테스트 시간 컴퓨팅 확장을 통해 대형 언어 모델(LLMs)의 추론 능력이 크게 향상되는 것을 확인할 수 있었습니다. 본 연구에서는 테스트 시간 확장 방법을 언어 에이전트에 적용하는 첫 번째 체계적인 탐색을 수행하고, 이 방법이 에이전트의 효과성을 어느 정도 개선하는지 조사합니다. 구체적으로 다음과 같은 다양한 테스트 시간 확장 전략을 탐구합니다: (1) 병렬 샘플링 알고리즘; (2) 순차적 수정 전략; (3) 검증기 및 통합 방법; (4) 롤아웃 다양화 전략. 우리는 이러한 설계 전략들이 언어 에이전트에 테스트 시간 확장을 적용할 때 미치는 영향을 면밀히 분석하고, 다음과 같은 결과를 도출하였습니다: 1. 테스트 시간 컴퓨팅 확장은 에이전트의 성능을 개선할 수 있습니다. 2. 언제 반성해야 하는지를 아는 것이 에이전트에게 중요합니다. 3. 다양한 검증 및 결과 통합 접근법 중 리스트-와이즈(list-wise) 방법이 가장 우수한 성능을 보입니다. 4. 다양화된 롤아웃 증가는 에이전트의 작업 성능에 긍정적인 영향을 미칩니다.