同一道题交给 AI 多答几遍，常能用多数票降低偶然出错。但这笔额外算力也可以换个花法：先把问题改写成几种意思相同的说法，再分别作答。就像从不同角度拍同一件东西，单一措辞造成的误判更容易被抵消。
Kozodoi、Afolabi 和 Butler 研究了这种测试时增强（Test-Time Augmentation，模型训练完成后，变换输入并汇总答案）。他们让模型一次生成多个语义改写，再逐一回答并多数表决；同时用大致相同的计算量，与自洽性——固定原问题、重复采样多条推理路径——比较。作者称，在覆盖知识、数学、多模态问答和情感分类的六项任务中，语义改写在五项胜过自洽性，每美元带来的准确率收益约为后者的 1.8 倍，且优势达到统计显著。
这项结果提示，测试时扩展不必只在答案端“多抽几遍”：对当前中档模型，把预算分给输入多样性可能更划算。论文还称，这一优势在更强模型不可用或费用过高时最明显；结论边界仍是其测试的六项任务与模型设置。