2025年，“推理模型”成為人工智能行業(yè)的熱詞。從科大訊飛發(fā)布首個使用全國產(chǎn)算力訓(xùn)練的深度推理大模型——訊飛星火X1，到深度求索公司上線DeepSeek-R1推理模型，都將“推理模型”推到聚光燈下。
多數(shù)大語言模型具備一定推理能力，但推理模型具有更強大的推理、邏輯分析和決策能力。推理模型會運用各種推理技巧，如演繹推理、歸納推理、類比推理等，來模擬人類的思考方式。多位業(yè)內(nèi)人士接受科技日報記者采訪時說，在人工智能大模型不斷迭代升級的浪潮中，推理模型以創(chuàng)新的技術(shù)為行業(yè)發(fā)展注入新活力，也讓人們對人工智能未來發(fā)展有了更大想象空間。
推理模仿人類“慢思考”
在復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授、上海市數(shù)據(jù)科學(xué)重點實驗室主任肖仰華看來，過去，大模型的生成能力主要由語料決定。但專家級的推理能力并非“題海戰(zhàn)術(shù)”可以實現(xiàn)，而是需要大模型具備強大的思維能力。
心理學(xué)家認(rèn)為，人類存在兩種思維模式。一種是主要用來對日常生活中的簡單問題進行判斷、決策的“快思考”；另一種則是用于對一些特定問題進行深入分析、研判的“慢思考”。“快思考”是人類基于大量日常經(jīng)驗、常識等，對簡單問題作出的快速反應(yīng)，往往在人們無意識之間完成，是一種更加接近“本能”的思考方式。與之相對，“慢思考”則需要調(diào)動大腦更多資源，遵循特定思維邏輯，對問題進行抽絲剝繭式分析研究，進而作出更加理性周全的決策。
作為人工智能的典型應(yīng)用，大模型如今也有了“快”“慢”之別。
傳統(tǒng)大語言通用模型的思維方式更像是“快思考”，其主要依靠算力對海量數(shù)據(jù)進行學(xué)習(xí)，實現(xiàn)對后續(xù)空白內(nèi)容的快速預(yù)測，回答人類提出的各類問題，本質(zhì)上是基于概率模型對可能的答案進行“猜測”。相比之下，推理大模型更有意識和邏輯，會在回答之前進行一段時間“慢思考”，依據(jù)特定思維鏈條，提供更全面解答。
科大訊飛研究院副院長殷兵舉例說，訊飛星火X1在解答高考數(shù)學(xué)題等復(fù)雜題目時，會先將題目化繁為簡，給出解題思路和步驟，呈現(xiàn)出全面的思考、分析和推理過程，進而給出準(zhǔn)確的題目答案。殷兵說，推理模型更接近人類的“慢思考”方式。相較于通用大模型，推理模型在數(shù)學(xué)、醫(yī)學(xué)、代碼等領(lǐng)域，會產(chǎn)生更好的效果和意想不到的應(yīng)用場景。
強化學(xué)習(xí)實現(xiàn)反思糾錯
人類可以對復(fù)雜問題進行深入思考、理性分析的一大原因在于，大腦能夠反思。通過對過去錯誤結(jié)果和正確經(jīng)驗的反饋學(xué)習(xí)，人類得以不斷提升對復(fù)雜問題判斷的正確率。推理模型中普遍應(yīng)用的強化學(xué)習(xí)技術(shù)，在一定程度上模仿了人類的反思、糾錯能力。
強化學(xué)習(xí)是一種機器學(xué)習(xí)方法，它允許智能體在與環(huán)境的交互中通過試錯來學(xué)習(xí)最優(yōu)策略。智能體在環(huán)境中執(zhí)行相應(yīng)行動，并根據(jù)行動的結(jié)果接收反饋，這些反饋信號則指導(dǎo)智能體調(diào)整下一步策略，循環(huán)往復(fù)，不斷接近最優(yōu)策略。
例如，DeepSeek-R1在訓(xùn)練推理模型時采用了一條此前鮮有人使用的完全依賴強化學(xué)習(xí)的訓(xùn)練路徑，即僅根據(jù)模型輸出答案的優(yōu)劣等簡單信息，對模型進行獎懲。這相當(dāng)于在不施加任何指引的情況下，讓一個剛出生不久的幼兒完全自主探索世界，并根據(jù)探索結(jié)果給予反饋，從而讓幼兒在反復(fù)試錯和成功中快速成長。
殷兵介紹，訊飛星火X1可以進行自我探索和反思驗證，并基于答案正確與否的反饋信息進行強化訓(xùn)練。其中，自我評價迭代的評語模型能指出大模型存在的幻覺問題，大模型在得到評語模型的評價后可實現(xiàn)自我完善提升。同時，評語模型也通過強化訓(xùn)練進一步提升自身發(fā)現(xiàn)幻覺問題的能力。整個過程無需人員參與標(biāo)注，而是依靠兩個模型相互博弈、共同進化。多路徑和反思迭代的強化學(xué)習(xí)技術(shù)使訊飛星火X1中能化繁為簡，把復(fù)雜問題拆解成多個步驟進行思考推理，并進行自我反思探索。例如，它在解答高考數(shù)學(xué)題目時，不僅會實時呈現(xiàn)分步驟解題過程，還能對解題過程進行實時驗算，反思糾正過程中的遺漏和問題，直至給出正確答案。而整個推理過程中形成的數(shù)據(jù)也可以被用于后續(xù)的強化學(xué)習(xí)。
可靠算力仍是關(guān)鍵因素
無論是模型訓(xùn)練還是推理，都需要算力平臺作為硬件基礎(chǔ)。雖然在特定領(lǐng)域，推理模型能夠在實現(xiàn)同等效果的情況下消耗更少算力，但算力平臺的可靠性、穩(wěn)定性仍然是決定推理模型發(fā)展的重要因素。
此前，科大訊飛已聯(lián)合華為打造出首個國產(chǎn)算力萬卡平臺“飛星一號”，并基于此完成了訊飛星火大模型多個版本的迭代訓(xùn)練。但推理模型的訓(xùn)練是一條全新的技術(shù)路線。目前，國產(chǎn)算力在單卡、集群、生態(tài)等方面距國際領(lǐng)先水平有一定差距，全面基于國產(chǎn)算力平臺開展模型訓(xùn)練，面臨著不少挑戰(zhàn)。
“訊飛星火X1的訓(xùn)練推理涉及多個模型的強交互，需要跨任務(wù)傳輸數(shù)據(jù)及權(quán)重，訓(xùn)練任務(wù)類型也由在線實時響應(yīng)變?yōu)殡x線高吞吐。這需要克服國產(chǎn)顯卡帶寬不足的短板。”殷兵說，在這種復(fù)雜的訓(xùn)練模式下，影響效率的因素非常多，后訓(xùn)練所需的算力甚至提升了一個數(shù)量級。最終，通過與華為進行聯(lián)合攻關(guān)，團隊自研出訓(xùn)練框架并進行效率優(yōu)化，實現(xiàn)了模型算法在國產(chǎn)算力上的成功適配，端到端效率大幅提升。
2025年，“推理模型”成為人工智能行業(yè)的熱詞。從科大訊飛發(fā)布首個使用全國產(chǎn)算力訓(xùn)練的深度推理大模型——訊飛星火X1，到深度求索公司上線DeepSeek-R1推理模型，都將“推理模型”推到聚光燈下。
多數(shù)大語言模型具備一定推理能力，但推理模型具有更強大的推理、邏輯分析和決策能力。推理模型會運用各種推理技巧，如演繹推理、歸納推理、類比推理等，來模擬人類的思考方式。多位業(yè)內(nèi)人士接受科技日報記者采訪時說，在人工智能大模型不斷迭代升級的浪潮中，推理模型以創(chuàng)新的技術(shù)為行業(yè)發(fā)展注入新活力，也讓人們對人工智能未來發(fā)展有了更大想象空間。
推理模仿人類“慢思考”
在復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授、上海市數(shù)據(jù)科學(xué)重點實驗室主任肖仰華看來，過去，大模型的生成能力主要由語料決定。但專家級的推理能力并非“題海戰(zhàn)術(shù)”可以實現(xiàn)，而是需要大模型具備強大的思維能力。
心理學(xué)家認(rèn)為，人類存在兩種思維模式。一種是主要用來對日常生活中的簡單問題進行判斷、決策的“快思考”；另一種則是用于對一些特定問題進行深入分析、研判的“慢思考”。“快思考”是人類基于大量日常經(jīng)驗、常識等，對簡單問題作出的快速反應(yīng)，往往在人們無意識之間完成，是一種更加接近“本能”的思考方式。與之相對，“慢思考”則需要調(diào)動大腦更多資源，遵循特定思維邏輯，對問題進行抽絲剝繭式分析研究，進而作出更加理性周全的決策。
作為人工智能的典型應(yīng)用，大模型如今也有了“快”“慢”之別。
傳統(tǒng)大語言通用模型的思維方式更像是“快思考”，其主要依靠算力對海量數(shù)據(jù)進行學(xué)習(xí)，實現(xiàn)對后續(xù)空白內(nèi)容的快速預(yù)測，回答人類提出的各類問題，本質(zhì)上是基于概率模型對可能的答案進行“猜測”。相比之下，推理大模型更有意識和邏輯，會在回答之前進行一段時間“慢思考”，依據(jù)特定思維鏈條，提供更全面解答。
科大訊飛研究院副院長殷兵舉例說，訊飛星火X1在解答高考數(shù)學(xué)題等復(fù)雜題目時，會先將題目化繁為簡，給出解題思路和步驟，呈現(xiàn)出全面的思考、分析和推理過程，進而給出準(zhǔn)確的題目答案。殷兵說，推理模型更接近人類的“慢思考”方式。相較于通用大模型，推理模型在數(shù)學(xué)、醫(yī)學(xué)、代碼等領(lǐng)域，會產(chǎn)生更好的效果和意想不到的應(yīng)用場景。
強化學(xué)習(xí)實現(xiàn)反思糾錯
人類可以對復(fù)雜問題進行深入思考、理性分析的一大原因在于，大腦能夠反思。通過對過去錯誤結(jié)果和正確經(jīng)驗的反饋學(xué)習(xí)，人類得以不斷提升對復(fù)雜問題判斷的正確率。推理模型中普遍應(yīng)用的強化學(xué)習(xí)技術(shù)，在一定程度上模仿了人類的反思、糾錯能力。
強化學(xué)習(xí)是一種機器學(xué)習(xí)方法，它允許智能體在與環(huán)境的交互中通過試錯來學(xué)習(xí)最優(yōu)策略。智能體在環(huán)境中執(zhí)行相應(yīng)行動，并根據(jù)行動的結(jié)果接收反饋，這些反饋信號則指導(dǎo)智能體調(diào)整下一步策略，循環(huán)往復(fù)，不斷接近最優(yōu)策略。
例如，DeepSeek-R1在訓(xùn)練推理模型時采用了一條此前鮮有人使用的完全依賴強化學(xué)習(xí)的訓(xùn)練路徑，即僅根據(jù)模型輸出答案的優(yōu)劣等簡單信息，對模型進行獎懲。這相當(dāng)于在不施加任何指引的情況下，讓一個剛出生不久的幼兒完全自主探索世界，并根據(jù)探索結(jié)果給予反饋，從而讓幼兒在反復(fù)試錯和成功中快速成長。
殷兵介紹，訊飛星火X1可以進行自我探索和反思驗證，并基于答案正確與否的反饋信息進行強化訓(xùn)練。其中，自我評價迭代的評語模型能指出大模型存在的幻覺問題，大模型在得到評語模型的評價后可實現(xiàn)自我完善提升。同時，評語模型也通過強化訓(xùn)練進一步提升自身發(fā)現(xiàn)幻覺問題的能力。整個過程無需人員參與標(biāo)注，而是依靠兩個模型相互博弈、共同進化。多路徑和反思迭代的強化學(xué)習(xí)技術(shù)使訊飛星火X1中能化繁為簡，把復(fù)雜問題拆解成多個步驟進行思考推理，并進行自我反思探索。例如，它在解答高考數(shù)學(xué)題目時，不僅會實時呈現(xiàn)分步驟解題過程，還能對解題過程進行實時驗算，反思糾正過程中的遺漏和問題，直至給出正確答案。而整個推理過程中形成的數(shù)據(jù)也可以被用于后續(xù)的強化學(xué)習(xí)。
可靠算力仍是關(guān)鍵因素
無論是模型訓(xùn)練還是推理，都需要算力平臺作為硬件基礎(chǔ)。雖然在特定領(lǐng)域，推理模型能夠在實現(xiàn)同等效果的情況下消耗更少算力，但算力平臺的可靠性、穩(wěn)定性仍然是決定推理模型發(fā)展的重要因素。
此前，科大訊飛已聯(lián)合華為打造出首個國產(chǎn)算力萬卡平臺“飛星一號”，并基于此完成了訊飛星火大模型多個版本的迭代訓(xùn)練。但推理模型的訓(xùn)練是一條全新的技術(shù)路線。目前，國產(chǎn)算力在單卡、集群、生態(tài)等方面距國際領(lǐng)先水平有一定差距，全面基于國產(chǎn)算力平臺開展模型訓(xùn)練，面臨著不少挑戰(zhàn)。
“訊飛星火X1的訓(xùn)練推理涉及多個模型的強交互，需要跨任務(wù)傳輸數(shù)據(jù)及權(quán)重，訓(xùn)練任務(wù)類型也由在線實時響應(yīng)變?yōu)殡x線高吞吐。這需要克服國產(chǎn)顯卡帶寬不足的短板。”殷兵說，在這種復(fù)雜的訓(xùn)練模式下，影響效率的因素非常多，后訓(xùn)練所需的算力甚至提升了一個數(shù)量級。最終，通過與華為進行聯(lián)合攻關(guān)，團隊自研出訓(xùn)練框架并進行效率優(yōu)化，實現(xiàn)了模型算法在國產(chǎn)算力上的成功適配，端到端效率大幅提升。
本文鏈接：http://www.enbeike.cn/news-2-562-0.html推理模型：“慢思考”讓決策更周全
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
