跳到正文
Computing Life · Share · 鸭哥调研

推理模型四年史:你以为的石破天惊,其实早有暗线

推理模型不是2024年突然蹦出来的。让模型写解题步骤的思维链、用自己生成的正确推理训练自己的STaR、给中间步骤打分的过程奖励模型,这些技术从2022年起就陆续成熟了。o1真正改变的是产品化:把推理变成一种可以计费、可以调度的资源,在API里引入reasoning tokens和可调节的思考强度参数,相当于给scaling law开了第二个轴。

推荐理由:从2022年思维链、STaR到过程奖励模型,梳理推理模型技术积累的四年脉络,并指出o1把推理变成可计费、可调度资源这一产品化转折。

读原文 ↗导出 Markdown