让 AI 解难题，常见办法像让它反复交卷，再从中挑最好的一份。问题是，多次答案可能只是换了措辞，并没有换解法。两项新工作都在挑战这种“重复采样”：测试时扩展——模型训练完成后，为单道题增加生成、检验或搜索计算——不必等于盲目多试。
Beck 等人提出 Hill Sampling（山丘采样）：保留当前得分最高的程序，让冻结参数的模型围绕它继续修改；只有新方案更好，才替换起点。作者报告，该方法在圆堆积任务上不到五小时、使用八张 NVIDIA H100，取得已发表方法中的新最佳结果；在 Erdős 最小重叠问题上运行 12 小时后超过 AlphaEvolve 参考方案。更反直觉的是，他们直接调整模型权重的进化策略，最高成绩还不如把学习率设为零；普通的文字生成随机性也比随机扰动权重更有效。
Labiad 等人走了另一条路：先生成概念、提示或解题策略，再据此作答；并用强化学习训练一个小型“概念生成器”，充当可复用的搜索策略。作者称，在相同答案生成配额下，它提高了困难数学题的 pass@k——尝试 k 次至少答对一次的概率——还能迁移到未参与训练、甚至不同模型家族的答题模型。第二项工作的摘要未披露具体提升幅度，因此目前更适合把它看作一个方向性结果。