Il Test-Time Scaling Non Migliora l'Accuratezza nei Compiti ad Alta Intensità di Conoscenza

Un recente articolo su arXiv (paper 2509.06861) mette in discussione l'utilità del test-time scaling nei modelli di ragionamento per compiti che richiedono una conoscenza estesa. Questo studio valuta 14 modelli di ragionamento utilizzando diverse tecniche di test-time scaling e rivela che aumentare la computazione durante l'inferenza non migliora in modo affidabile l'accuratezza; anzi, spesso porta a più allucinazioni. I ricercatori notano che catene di ragionamento più lunghe portano a più tentativi, molti dei quali errati, e che un ragionamento prolungato può consolidare le prime false convinzioni con dettagli inventati, allineandosi con il bias di conferma. La ricerca offre una prospettiva teorica dell'informazione sui limiti del test-time scaling per compiti a libro chiuso ad alta intensità di conoscenza, nonostante la sua efficacia in altre aree. L'articolo è stato annunciato come una sostituzione su arXiv, sottolineando la necessità di rivalutare i benefici della computazione extra in questi scenari.