본 논문은 이미지 생성 분야에서 널리 사용되는 Test-time scaling (TTS) 기술을 Next-Token Prediction (NTP) 패러다임에 적용하는 데 있어 발생하는 문제점을 해결하기 위해 Filling-Based Reward (FR)를 제안한다. 중간 토큰 시퀀스로부터 디코딩된 이미지의 보상과 최종 생성된 이미지의 보상 간 상관관계가 낮다는 점을 해결하기 위해, FR은 합리적인 채우기 방식을 적용하여 중간 샘플의 미래 궤적을 추정한다. 이를 기반으로, FR-TTS라는 정교한 스케일링 전략을 제안하며, 실험을 통해 기존 벤치마크 및 다양한 보상 모델보다 우수함을 입증한다.
