---
id: P-REINFORCE-AI-TEST-TIME-COMPUTE
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.97
tags: [LLM, Inference, Scale, OpenAI-o1]
last_reinforced: 2026-04-20
---

# [[Test-Time Compute Scaling (추론 시간 계산 스케일링)|Test-Time Compute Scaling (추론 시간 계산 스케일링)]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "모델이 크지 않아도, 더 오래 생각하게 하면 더 똑똑해진다." 훈련 단계의 스케일링을 넘어, 추론(Inference) 시에 더 많은 연산 자원(사고 단계)을 투입하여 정답률을 높이는 새로운 패러다임이다.

## 📖 구조화된 지식 (Synthesized Content)
- **The Concept**:
    - 기존에는 모델의 크기(파라미터 수)가 지능을 결정한다고 믿었으나, OpenAI o1 등 최신 모델은 답변 전 'Self-Correction'과 추론 과정을 늘리는 것만으로도 거대 모델을 압도할 수 있음을 증명함.
- **Methods**:
    - **Chain-of-Thought (CoT)**: 중간 과정을 길게 생성.
    - **Search (MCTS)**: 여러 대안 답변을 탐색하고 평가하여 최적의 경로 선택.
    - **Verification**: 생성된 결과를 스스로 검증하고 틀렸으면 다시 시도.
- **Inference Law**: 훈련 시 자원이 부족해도 추론 시 계산량을 늘림으로써 성능 한계를 돌파할 수 있다.

## ⚠️ 모순 및 업데이트 (RL Update)
- 추론 시간 계산량이 늘어나면 비용(Latency)이 기하급수적으로 증가한다. 실시간 채팅에는 부적합할 수 있으므로, '빠른 직관(System 1)'과 '신중한 사고(System 2)'를 구분하여 과제 난이도에 따라 자원을 배분하는 효율화가 핵심 과제다.

## 🔗 지식 연결 (Graph)
- Related: [[Chain-of-Thought (CoT 사고 사슬)|Chain-of-Thought (CoT 사고 사슬)]] , Monte Carlo Tree Search (MCTS)
- Origin: OpenAI-o1