譯者 | 張哲剛

審校 | 重樓

大語言模型（LLMs）最早時(shí)期只是具備自動(dòng)完成的功能，迄今為止，進(jìn)步巨大，與當(dāng)初已經(jīng)不可同日而語。然而，僅僅是生成流暢的文本并不足以體現(xiàn)真正的智能——真正的智能是需要推理能力的。這意味著，大語言模型需要能夠解決數(shù)學(xué)問題、能夠調(diào)試代碼、能夠得出合乎邏輯的結(jié)論，還要能夠檢查和改正自身的錯(cuò)誤。通常而言，現(xiàn)代大語言模型的訓(xùn)練目標(biāo)往往是預(yù)測下一個(gè)詞語是什么，而不是去思考。那么，它們是如何突然變得非常擅長推理的呢？

答案是一系列新技術(shù)使然——從提示工程到代理工具使用——這些技術(shù)推動(dòng)著、指導(dǎo)著或在一定程度上直接促成著大語言模型日益成為有條不紊的思考者。下面，讓我們講講五種最具有影響力的策略，正是它們，推動(dòng)著推理型大語言模型不斷邁向新的領(lǐng)域。

1.思維鏈提示：教大語言模型“逐步思考”

提高大型語言模型推理能力，起步最早且最能打的技術(shù)之一異乎尋常地簡單：讓模型解釋自身。

這種方法被稱為思維鏈（Chain-of-Thought，CoT）提示。意指提示模型在給出最終答案之前產(chǎn)生中間推理步驟。例如，不采用直接去問“17乘以24等于多少？”這種簡單直接的方式，而是用“讓我們一步一步地思考”來提示模型，引導(dǎo)它將問題分解為：17×24=(20×17)+(4×17)，諸如此類，等等。

這一理念最早于2022年正式提出，至今仍然是基礎(chǔ)性的指導(dǎo)思想。OpenAI的o1模型就被訓(xùn)練為“在回答之前更多地思考”——其本質(zhì)就是內(nèi)化了類似CoT的推理鏈。它的繼任者o3則更進(jìn)一步，以模擬推理的方式，在推理過程中暫停，用以反思和完善自身響應(yīng)。

原理呢，則很簡單：通過強(qiáng)制實(shí)施中間步驟，避免模型草率地、跳躍式地一步得出結(jié)論，從而提升多步推理演繹能力。

2.推理時(shí)間計(jì)算擴(kuò)展：給每個(gè)問題更多的思考時(shí)間

如果一個(gè)問題難度很大，那就用更多的時(shí)間去思考——人類是會這么做的，現(xiàn)在大語言模型也可以。

推理時(shí)間計(jì)算擴(kuò)展，是指通過在生成過程中分配更多的計(jì)算這一途徑，來增強(qiáng)推理能力。模型可能會生成多個(gè)推理路徑，但最后會選出最佳路徑。這種“自洽性”方法已成為推理基準(zhǔn)的標(biāo)準(zhǔn)。

OpenAI的o3-mini定義了三種推理程度選項(xiàng)（低、中、高），這些選項(xiàng)決定了模型在回答問題之前內(nèi)部推理的時(shí)間長短。在高推理水平下，o3-mini在數(shù)學(xué)和編碼任務(wù)上的表現(xiàn)甚至優(yōu)于完整的o1模型。

2025年的論文《s1：簡單測試時(shí)間擴(kuò)展》中引入了一種相關(guān)技術(shù)，預(yù)算強(qiáng)制（budget forcing），它使用特殊標(biāo)記來控制推理深度。通過附加重復(fù)的“等待”標(biāo)記，引導(dǎo)模型生成更長的響應(yīng)、自我驗(yàn)證并自我糾正。使用類似“最終答案”這樣的結(jié)束思考信號標(biāo)記何時(shí)停止。這種方法在不修改模型權(quán)重的情況下擴(kuò)展推理，從而提高了準(zhǔn)確性——這是對經(jīng)典“逐步思考”提示的現(xiàn)代化升級和改造。

代價(jià)也是有的，那就是準(zhǔn)確性的延遲。但是如果是面對棘手或艱巨的任務(wù)，這通常是值得的，并且是利大于弊的。

3.強(qiáng)化學(xué)習(xí)和多階段訓(xùn)練：優(yōu)秀推理予以獎(jiǎng)勵(lì)

另一個(gè)改變游戲規(guī)則的因素：不要僅僅局限于預(yù)測單詞，而是要獎(jiǎng)勵(lì)正確的推理。

OpenAI的o1和DeepSeek-R1這樣的模型是通過強(qiáng)化學(xué)習(xí)（RL）進(jìn)行訓(xùn)練的，以鼓勵(lì)優(yōu)秀的推理模式。這些模型不僅僅是模仿數(shù)據(jù)，還能夠獎(jiǎng)勵(lì)生成有邏輯多步答案的推理。DeepSeek-R1的第一個(gè)迭代版本R1-Zero僅僅是使用了RL——并沒有監(jiān)督微調(diào)——就開發(fā)出了非常強(qiáng)大的推理能力。

然而，僅僅使用強(qiáng)化學(xué)習(xí)（RL）訓(xùn)練有可能導(dǎo)致語言不穩(wěn)定的問題出現(xiàn)。所以最終DeepSeek-R1采用了多階段訓(xùn)練方法：先進(jìn)行強(qiáng)化學(xué)習(xí)推理，然后使用監(jiān)督微調(diào)來提高可讀性。同樣，阿里巴巴的QwQ-32B將強(qiáng)大的基礎(chǔ)模型和持續(xù)的強(qiáng)化學(xué)習(xí)擴(kuò)展相結(jié)合，在數(shù)學(xué)和代碼方面體現(xiàn)了出色的性能。

結(jié)果如何？這些模型不僅能夠給出正確的答案，還能展示出正確答案是如何得到的——甚至學(xué)會了自我糾正。

4.自我糾正和回溯：推理，然后倒帶

當(dāng)模型出錯(cuò)時(shí)會發(fā)生什么情況？它自己能夠意識到并改正錯(cuò)誤嗎？

一直以來，大語言模型都在努力進(jìn)行自我糾正，但這方面一直有問題存在。2023 年，研究人員發(fā)現(xiàn)，僅僅是簡單地讓模型“再試一次”，對答案鮮有改善——有時(shí)甚至會使情況變得更糟。但2025年有了新的進(jìn)展，回溯——一種經(jīng)典AI策略，被引入到大語言模型中來。

騰訊AI實(shí)驗(yàn)室的王姓工程師等人發(fā)現(xiàn)，在o1型模型中存在“思考不足”的問題：模型會在不同的想法之間跳躍，而不是一直堅(jiān)持一條推理路線。他們的策略是對推理切換進(jìn)行懲罰，鼓勵(lì)對每個(gè)想法進(jìn)行深入探索。

與此同時(shí)，楊姓工程師等人提出了自回溯——當(dāng)模型陷入僵局時(shí)，讓其重新回放，然后探尋更好的替代方案。這一策略與只依賴最優(yōu)推理解決方案的策略相比，準(zhǔn)確率提高了超過四十個(gè)百分點(diǎn)。

這些創(chuàng)新有效地增加了推理時(shí)的搜索和規(guī)劃能力，呼應(yīng)了深度優(yōu)先搜索等傳統(tǒng)AI方法，并將它們疊加在大語言模型的靈活功能之上。

5.工具的使用以及外部知識的整合：超越模型的推理

有時(shí)候，推理意味著知道何時(shí)該去尋求幫助。

現(xiàn)代大語言模型越來越多地調(diào)用外部工具——計(jì)算器、代碼解釋器、各種API甚至網(wǎng)絡(luò)搜索——來處理復(fù)雜的查詢。

阿里巴巴的QwQ-32B直接集成了代理功能，使其能夠在推理過程中調(diào)用函數(shù)或訪問API。谷歌的Gemini 2.0（Flash Thinking）也支持類似的功能——例如，它可以在推理過程中啟用代碼執(zhí)行，允許模型在其推理過程中運(yùn)行和評估代碼。

這一點(diǎn)非常重要，原因在于某些任務(wù)——比如驗(yàn)證實(shí)時(shí)數(shù)據(jù)、執(zhí)行符號數(shù)學(xué)或執(zhí)行代碼——超出了模型內(nèi)部的能力。將這類子任務(wù)轉(zhuǎn)移出去，能夠讓大語言模型更專注于高階邏輯，從而顯著提高準(zhǔn)確性和可靠性。

從本質(zhì)上講，外部工具能夠讓大語言模型發(fā)揮超出其自身能耐的潛力——就像是一把數(shù)字瑞士軍刀，用精密儀器來擴(kuò)展推理能力。

結(jié)論：推理是一個(gè)堆棧，而不是一個(gè)開關(guān)

大語言模型并不是一蹴而就就能“學(xué)會推理”——它們是通過一系列分層的技術(shù)來獲取這種能力的。這些技術(shù)包括訓(xùn)練、提示、推理以及與外部世界的互動(dòng)。思維鏈提示加強(qiáng)了結(jié)構(gòu)，推理時(shí)間擴(kuò)展增加了深度，強(qiáng)化學(xué)習(xí)（RL）改善了對齊性，回溯增強(qiáng)了自我意識，外部工具使用增加了覆蓋面。

至于像OpenAI的o1和o3、DeepSeek的R1、谷歌的Gemini 2.0 Flash Thinking以及阿里巴巴的QwQ這樣的頂級模型，則結(jié)合了這些策略中的幾種——可以稱之為將巧妙設(shè)計(jì)與認(rèn)知支架融合在一起的混合方案。

隨著該領(lǐng)域的不斷發(fā)展，可以預(yù)見，內(nèi)部推理過程與外部決策工具之間的耦合將會更加緊密。逐步走近我們的，不是僅僅能夠猜測下一個(gè)單詞，而是還能夠真正思考的大語言模型。

譯者介紹

張哲剛，51CTO社區(qū)編輯，系統(tǒng)運(yùn)維工程師，國內(nèi)較早一批硬件評測及互聯(lián)網(wǎng)從業(yè)者，曾入職阿里巴巴。

原文標(biāo)題：How Do LLMs Think? 5 Approaches Powering the Next Generation of AI Reasoning，作者：Kate Koidan