该方法把实时服务器负载纳入Best-of-N停止策略，动态权衡回答质量与延迟。
推荐理由：关键不是再按固定奖励阈值决定采样次数，而是根据负载变化计算延迟成本：空闲时多探索、拥塞时早停止，使测试时算力策略从离线指标走向在线服务目标。
阅读原文