一分钟读论文：《Interaction Scaling：测试时计算的第三维度》
内容提要
论文提出推理时计算的第三维度“交互缩放”，通过外部仪器观测打破内部天花板，弥补推理与采样缩放的局限。实验显示，接地反馈提升代码生成准确率至100%，视觉缺陷减少40%-74%，强调反馈与评估须来自真实观测，而非模型自评。
延伸解读
交互缩放的核心：外部观测打破信息天花板
论文指出，推理缩放和采样缩放都受限于数据处理不等式，模型无法从冻结权重和固定提示中获取新信息，存在“内部天花板”。交互缩放通过引入外部仪器（如代码执行、布局测量）提供真实反馈，使模型获得初始提示中不存在的信息，从而突破这一限制。这解释了为何交互缩放能在边际收益递减时提供可验证的改进。
接地反馈与接地评估缺一不可
论文强调，交互缩放的有效性依赖于反馈和评估都来自真实外部观测，而非模型自评。若任一环节被模型自身判断替代，优势会大幅削弱。实验显示，视觉语言模型作为评判者存在结构性盲点，14/15张破损截图被误评为“完美”，凸显了接地评估的必要性。
实证效果与跨模态普适性
实验表明，接地反馈使代码生成准确率从66.7%提升至100%，视觉缺陷减少40%-74%，且在不同模型间表现稳定（零种子方差）。这表明交互缩放的效果不依赖特定随机采样，具有跨模态的普适性，为推理时计算提供了新的优化方向。
Q&A
什么是交互缩放？它与推理缩放和采样缩放有何不同？
交互缩放是论文提出的测试时计算的第三维度，通过外部仪器（如代码执行、布局测量、搜索查询）观测模型生成的工件并提供反馈，形成闭环以修订输出。与推理缩放（增加中间推理步骤）和采样缩放（多次采样选优）不同，交互缩放能引入模型初始输入中不存在的外部信息，从而打破内部天花板。
什么是“内部天花板”？为什么推理缩放和采样缩放受其限制？
内部天花板指推理缩放和采样缩放受数据处理不等式（DPI）限制，输出信息量不可能超过输入。因为额外生成的token都来自同一组冻结权重和固定prompt，模型只能在已有信息内重组推理，无法引入新外部信息。
交互缩放如何打破内部天花板？
交互缩放通过引入外部仪器观测（如代码执行、布局测量、搜索查询）来获取模型初始prompt中不存在的信息，这些外部观测携带客观事实，如代码能否通过编译、UI布局的实际渲染效果，从而打破信息论限制。
什么是接地反馈和接地评估？为什么它们对交互缩放至关重要？
接地反馈指驱动模型修订的信号来自真实仪器输出而非另一模型判断；接地评估指最终评分度量也来自外部观测。两者必须同时成立，否则交互缩放的优势会大幅削弱。
论文中提到的实验结果显示交互缩放带来了哪些改进？
在代码生成任务中，接地反馈将准确率从66.7%提升至100%；视觉模态任务中缺陷减少40%-74%。且效果在不同模型间表现零种子方差，说明不依赖特定随机采样。
为什么视觉语言模型（VLM）作为评判者存在结构性盲点？
因为使用截图评判UI生成质量时，截图在评判前已丢弃缺陷信息，某些布局错误只有实际渲染后才能发现。实验显示14/15张破损截图被VLM评为“完美”。
交互缩放适用于哪些场景？
适用于可进行外部观测的任务，如代码生成（通过编译测试）、UI布局（通过实际渲染测量）、搜索查询等。当推理和采样缩放边际收益递减时，交互缩放提供可验证的改进路径。
