>>推理并非求解,而是路径搜索>>我们常以为让模型多思考一会儿就能得到正确答案,但真相:推理本质上是 Token 空间中的路径搜索。RL 训练并非让单条思维链必然收敛,而是最大化找到正确路径的概率。所谓的“思考更久”带来的提升,其实源于训练时昂贵的搜索成本被分摊到了模型权重中,而非推理时的额外计算。这种视角解释了为何过度延长推理有时会适得其反,以及为何思维链不一定忠实于真实逻辑。推理 ai思考 ai推理 人工智能

>>推理并非求解,而是路径搜索>>我们常以为让模型多思考一会儿就能得到正确答案,但真相:推理本质上是 Token 空间中的路径搜索。RL 训练并非让单条思维链必然收敛,而是最大化找到正确路径的概率。所谓的“思考更久”带来的提升,其实源于训练时昂贵的搜索成本被分摊到了模型权重中,而非推理时的额外计算。这种视角解释了为何过度延长推理有时会适得其反,以及为何思维链不一定忠实于真实逻辑。推理 ai思考 ai推理 人工智能
