Gated Answer Resampling（GAR）：递归推理中测试时计算应花在哪里

TRM 对照实验发现，测试时重采样答案状态 y 比扰动推理状态 z 更能挽回失败。GAR 每题最多重启 64 次且无需训练或超参数搜索，使 TRM 在 Sudoku-Extreme 从 85.9% 升至 99.4%、在 Pencil Puzzle Bench 验证集从 68.8% 升至 85.6%；即使 PTRM 使用 42 至 197 倍计算量，GAR 仍表现更好。