推理型AI模型：工作原理及重要性解析

2024年秋季，OpenAI发布了o1模型，引起轰动：在AIME数学考试中，单次作答模式下得分74%，采用共识选择后高达93%，而GPT-4o仅答对12%的题目。在GPQA Diamond基准测试中，o1达到78%，超过了普通专家水平。这些结果展示了大型推理模型（Large Reasoning Models, LRMs）的能力，它们模拟了卡尼曼所描述的缓慢的“系统2”思维。其他被归类为LRMs的模型包括Anthropic的（Claude Fable 5、Mythos 5、Opus 4.8）、谷歌的Gemini 3.1 Pro、DeepSeek R1以及GLM-5.2。与经典的自回归大型语言模型（Large Language Models, LLMs）不同——后者的运作类似于快速的“系统1”——推理模型使用思维链、在推理时增加额外计算（测试时计算）以及强化学习。它们生成用户不可见的推理令牌，这将请求处理时间延长至一分钟或更长。研究表明，“思考更久”的策略比单纯扩大模型规模更有效：若给予足够的思考时间，一个模型的表现可媲美大14倍的LLM。中国的DeepSeek-R1将推理直接集成到模型本身，摒弃了外部的“批评者”。