Discovery–Execution 框架把数学推理的 test-time compute 分解为“发现策略”与“执行策略”

Hasan、Jain 与 Samin 提出 Discovery–Execution（DE）框架，用短预算解题尝试估计 strategy discovery，再用给定 oracle sketch 的条件运行估计 strategy execution，从而预测增加 test-time compute 后的数学成功率。论文在 4 个模型、35 道新鲜 Olympiad 题和非几何 IMO-ProofBench Advanced 上测试：GPT 系列呈现接近饱和 execution 的几何 scaling，而对 Claude Opus 4.8 显式测量 execution 可显著改善外推；基于 DE 的 continue / restart 决策在实验中也取得低于最佳模型特定事后策略的平均 regret。