该论文首次在开放生成任务上对比五种测试时扩展方法，发现瓶颈不在生成候选（探索有效），而在选择最终答案（利用失效）。奖励模型相关性低，BoN近乎随机，Fusion仅回收约40%增益。树搜索多样性坍缩，自我修正多无效。结论：候选池非瓶颈，选择才是，Fusion是目前唯一一致有效方法。