文章核心观点 - 提出一种名为DTS（Decoding Tree Sketching）的新型即插即用模型推理框架，旨在解决大型推理模型存在的“越长越错”和“无尽重复”问题 [2] - 该方法通过高不确定度分支推理和最先完成路径早停两大策略，以近似找到最短且正确的推理路径，无需额外训练即可提升模型性能 [2][8] - 在AIME2024/2025基准测试中，DTS显著提升了模型准确率，同时降低了平均推理长度和无尽重复率 [4][9] 技术背景与问题 - 背景是推理大模型存在的“过度思考”问题：CoT/多步推理虽提升能力，但易导致推理链越长越偏离正确答案或陷入自我重复，正确率反而下降 [7][8] - 现有解决方案多依赖成本高昂的额外训练或激进的剪枝策略，落地成本高或稳定性不佳 [8] DTS方法原理 - 核心洞见基于实证：推理链长度与正确率呈显著负相关，多次解码中最短的推理链往往最正确 [9][11] - 将推理过程视为解码树，目标是在稀疏化的树上搜索从根节点到最浅层叶子节点的路径，避免指数级复杂度 [12][13] - 关键技术一：高熵处产生分支，仅在模型不确定时（下一个token分布的熵H(v) ≥ τ）取Top-K候选并行解码，确定时则单分支前进 [16][18] - 关键技术二：最先完成即早停，任何分支一旦生成终止符（<e>）立即返回，将“短即优”的统计规律写入停止准则 [17][18] 实验结果 - 在AIME2024/2025上，DTS使DeepSeek-R1-Distill-Qwen-7B/1.5B模型的准确率平均提升6%，平均推理长度下降约23%，无尽重复率平均减少10% [4] - 具体到AIME24，选择最短推理链的准确率达76.67%，而选择最长链的准确率仅为10.00%，总体平均准确率为51.03% [13] - 有效抑制模型“无尽复读”，将陷入循环的比例平均降低5%至20% [9][21] 核心贡献与影响 - 提出全新推理优化范式，将推理质量问题转化为解码搜索问题，无需训练，即插即用 [26][30] - 揭示了推理链长度与准确率的可量化统计规律，为未来推理模型优化指明方向 [27][30] - 展示了一种轻量化的推理优化路线，未来有望与多步推理、不确定性估计等方向结合，为高效可靠推理开辟新路径 [27]

文章核心观点 - 英伟达研究院提出的DLER强化学习训练方法能够显著优化大模型推理过程，在保持准确率的同时大幅减少推理长度和提升效率，代表了推理模型未来的重要发展方向[4][7][14] 大模型推理面临的挑战 - 当前OpenAI o系列、DeepSeek-R1、Qwen等推理模型通过长链思维提升准确性，但导致推理链过长、Token消耗爆炸、响应速度骤降[2] - 长链思维带来的冗长问题是实现AGI路径上亟待解决的瓶颈[3] DLER方法的技术突破 - DLER方法的关键在于采用正确的强化学习优化方法，而非设计复杂的长度惩罚机制[4] - 该方法解决了引入长度惩罚后出现的奖励信号方差增大、熵塌缩、训练信号过度稀疏等强化学习训练问题[7][8] - 通过优势归一化、高熵探索、动态采样和截断惩罚等具体技术手段稳定训练信号并提升效率[8] DLER方法的性能表现 - 新模型产生的推理长度减少70%以上，同时准确率完全保持[7] - 在AIME-24数学基准上，DLER-Qwen-R1-7B模型平均仅用3230个Tokens就达到55.6%的准确率[7] - 在同等推理时间内，DLER模型能并行生成几十条简明推理，最终准确率比DeepSeek-R1高出近50%[10] 行业影响与未来方向 - 研究揭示推理效率提升不取决于惩罚设计的复杂度，而取决于优化算法的选择，颠覆了此前认为强化学习长度惩罚必然降低准确率的观点[15] - DLER方法不仅适用于小模型，在大模型上通过权重选择性合并技术同样有效，能恢复全部准确率并保持近一半的长度压缩[12] - 该方法让模型实现更聪明、更高效的思考方式，以更少Tokens和更短时间达到更高准确率，将成为推理模型实际部署的关键技术之一[14]