想一想数学考试。小明拿到卷子，笔尖飞速移动，三分钟就答完——可惜答案错了一半。小红则不慌不忙，掏出草稿纸，先写“设未知数为 x”，再一步步列式、化简、验算，最后才工整地把答案誊到卷面。虽然慢，却几乎全对。同样的知识点，考试时“打不打草稿”，成绩天差地别。 大模型也有类似的秘密。过去，我们拼命堆训练算力，让模型本身变得更聪明；但最近两年，研究者发现：在“考试”这一刻（推理阶段）多给模型一点时间和算力，让它先把思考过程写下来再作答，准确率也会大幅提升。这个思路被称为推理时间缩放（Inference-Time Scaling），而思维链（Chain-of-Thought，简称 CoT）就是那张“草稿纸”。 本文不堆砌艰深公式，只用“打草稿”这条主线，串起 CoT 的原理、零样本 / 少样本用法、自洽性投票，以及 o1 模型的搜索式推理，让你从直觉上理解大模型如何“越思考越强大”。

岗位关联

掌握推理时间缩放，意味着你不换模型、不重训模型，仅靠巧妙的提示与解码策略就能显著提升回答质量——这是 AI 从业者撬动大模型潜力的核心杠杆。

目录
  1. 可视化演示
  2. 思维链原理：草稿本上的步步为营
  3. 推理计算量：草稿纸该写多厚
  4. 零样本CoT：老师的一句提醒
  5. 少样本CoT：例题示范的力量
  6. 自洽性投票：多同学独立表决
  7. o1推理策略：学霸的思路树
  8. 应用与局限：草稿纸的成本账
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示思维链CoT的逐步推理过程、自洽性多路径投票机制，以及推理时间缩放的token消耗与准确率对比。

本节配有交互动效（进入视口后自动加载，约 3KB）。

CoT推理链 问题逐步分解为推理步骤 每步生成token增加计算量 Q→S1→S2→S3→A 更多推理步骤意味着更多前向传播计算

思维链原理：草稿本上的步步为营

回到开头的考场。小红之所以答得准，不是因为她比小明聪明，而是她把一道大问题拆成了一系列小步骤：列方程、移项、合并、验算。每一步都简单可查，错了也能立刻发现。思维链 CoT 的原理完全一致——它要求大模型在输出最终答案之前，先把中间的推理步骤写出来，让模型“先打草稿，再誊答案”。

为什么“多写几步”能提升准确率？因为大模型是逐 token 生成的，每个推理 token 都像一次额外的“思考循环”。中间步骤相当于工作记忆，把长问题的状态显式地保存下来，模型可以基于这些状态继续推演，而不用把一切压力都压在一次跳跃式的预测上。

从概率角度看，CoT 的本质是把“一次性猜答案”的联合概率分解成可验证的条件概率链：

草稿的价值在于：它把“一步登天”的难题，转化成了“步步为营”的阶梯。每一步只要比整体问题简单一点点，最终的准确率就会显著提升——这就是思维链让模型“越思考越强”的数学直觉。

P(y∣x)=∑z∈ZP(z∣x) P(y∣x,z)\displaystyle P(y \mid x)=\sum_{z \in \mathcal{Z}}P(z \mid x)\,P(y \mid x,z)
直接答对的概率，等于“写出某条推理路径的概率 × 在该路径下答对的概率”对所有可能路径求和。草稿把难题拆成了若干更好解决的子问题。
  1. 左侧目标量 P(y|x)给定问题 x，模型直接输出正确答案 y 的概率。不打草稿时，这个概率往往不高。
    P(y∣x)\displaystyle P(y \mid x)
  2. 求和符号 Σ 与路径集合 Z把所有可能的“草稿本”路径都枚举一遍，Z 表示所有可写的推理路线。
    ∑z∈Z\displaystyle \sum_{z \in \mathcal{Z}}
  3. P(z|x)拿到问题 x 后，模型先写出某条推理路径 z 的概率，也就是“打草稿”这个动作本身。
    P(z∣x)\displaystyle P(z \mid x)
  4. P(y|x,z)在问题 x 和草稿 z 都齐备后，得到答案 y 的条件概率。中间步骤越充分，这一步越可靠。
    P(y∣x,z)\displaystyle P(y \mid x,z)

推理计算量：草稿纸该写多厚

草稿纸并不是越厚越好。小红写三页草稿能解出难题，但如果每道选择题都写十页，时间就浪费了。推理时间缩放研究的正是“草稿纸厚度”与“准确率”之间的关系。

在语言模型中，推理计算量最直接的度量是生成的 token 数量。直接回答一个数学题可能只需 5 个 token；而 CoT 会让模型输出 200 个推理 token。这些增加的 token 就是推理阶段多花的那几张“草稿纸”。训练阶段的缩放通过更多数据和算力让模型变聪明；推理时间的缩放则让同一个模型在“考试时多思考一会儿”。前者改变大脑，后者改变答题策略。

实验发现，准确率随推理计算量的增长并非直线上升，而是先快后慢，最终逼近一个饱和值。可以用一个简洁的饱和增长模型来描述：

理解了这条曲线，你就掌握了推理时间缩放的“经济学”：把算力花在增长最快的区间最划算，一旦曲线进入饱和区，再多的草稿也只是自我感动——这为后续讨论 o1 的算力预算埋下伏笔。

A(C)=a+b(1−e−λC)\displaystyle A(C)=a+b\left(1-e^{-\lambda C}\right)
准确率 = 基线水平 + 推理带来的最大提升 × 一个“先快后慢”的增长因子。计算量再大，收益总会封顶。
  1. A(C)给定推理计算量 C 时的模型准确率，也就是“草稿写到第几张”时的得分。
    A(C)\displaystyle A(C)
  2. a（基线准确率）C=0 时直接作答的准确率，对应完全不打草稿的裸答水平。
    a\displaystyle a
  3. b（最大提升空间）深度推理能给准确率带来的最高增量，对应从“裸答”到“完美草稿”的差距。
    b\displaystyle b
  4. 1-e^{-λC}（饱和增长项）前期计算量增加一点，准确率就快速上升；后期再多写草稿，提升微乎其微。λ 控制增长速率。
    1−e−λC\displaystyle 1-e^{-\lambda C}
  5. C（推理计算量）近似等于推理阶段生成的 token 数，也就是“草稿纸”的厚度。
    C\displaystyle C

零样本CoT：老师的一句提醒

有时候，小红根本不需要例题，只需要监考老师喊一句“都给我一步步来！”，她就会自觉地打草稿。零样本 CoT（Zero-shot CoT）就是这句“老师提醒”。

它的做法简单到令人惊讶：在问题后面加一句“Let's think step by step”（让我们一步步思考），模型就会从“直接给答案”切换到“先写推理”的模式。为什么一句话有这么大威力？因为大模型的训练语料里充满了大量“逐步解题”的文本，触发短语像一把钥匙，激活了模型早已学会、但默认没有开启的推理能力。

用数学语言描述，零样本 CoT 就是在给定问题 x 和触发短语 s 的条件下采样答案：

零样本 CoT 最大的优点就是“零成本启动”——不用准备任何示例，一行提示语即可。但它也像老师只喊一句话，效果全看学生自觉：如果问题过于复杂，或者模型本身没学过类似题型，这句提醒就收效甚微。因此它适合快速验证想法，但对高难度任务往往不够。

ycot=arg⁡max⁡yP(y∣x,strigger)\displaystyle y_{\text{cot}}=\arg\max_{y}P(y\mid x,s_{\text{trigger}})
这里的 s_trigger 就是“让我们一步步思考”这样的触发词。模型把问题与触发词拼接后，输出最佳答案 y。
  1. y_cot经过零样本 CoT 后模型最终输出的答案，它是“被打过草稿”的答案。
    ycot\displaystyle y_{\text{cot}}
  2. arg max_y P(·)在所有候选答案中，找出条件概率最大的那一个作为输出。
    arg⁡max⁡y\displaystyle \arg\max_{y}
  3. s_trigger（触发词）一段简短的指令文本，比如“Let's think step by step”，相当于老师的一句“一步步来”。
    strigger\displaystyle s_{\text{trigger}}
  4. P(y | x, s_trigger)在同时看到原问题 x 与提醒语 s_trigger 后，模型输出答案 y 的概率。
    P(y∣x,strigger)\displaystyle P(y\mid x,s_{\text{trigger}})

少样本CoT：例题示范的力量

如果老师光喊“一步步来”还不够，下一招就是亲自在黑板上讲两道例题。少样本 CoT（Few-shot CoT）正是如此：在提示中预先给出几个“问题 → 推理步骤 → 答案”的完整示例，让模型照着示范的格式答题。

示例的作用不只是“给答案”，更是在对齐一种推理格式。模型看到例题里先写“已知条件”，再写“代入公式”，最后“验证结果”，它就会模仿这条推理路径处理新问题。你可以把示例集想象成一本字帖，模型照着字帖练字，写出来的字自然有章法。

假设准备 k 个示范，每个示范包含问题 q、推理链 z、答案 a：

有了示范集，新问题 q_new 到来时，模型会“照葫芦画瓢”地先推理后作答。与零样本相比，少样本 CoT 不仅告诉模型“你要打草稿”，还展示了“草稿到底长什么样”。当然，示例的构造本身是门手艺——选错例题，反而会把模型带偏。

Ddemo={(qi,zi,ai)}i=1k\displaystyle \mathcal{D}_{\text{demo}}=\{(q_i,z_i,a_i)\}_{i=1}^{k}
少样本 CoT 的演示集是“问题-推理-答案”三元组的集合，模型参照这些三元组，以同样的三段式回答新问题。
  1. D_demo（示范集）内置在提示词中的少量示例集合，相当于老师在黑板上留下的例题。
    Ddemo\displaystyle \mathcal{D}_{\text{demo}}
  2. 三元组 (q_i, z_i, a_i)第 i 个示范的三要素——问题、推理步骤、最终答案。缺了中间的 z_i，示例就退化成普通问答，失去“教打法”的意义。
    (qi,zi,ai)\displaystyle (q_i,z_i,a_i)
  3. 下标 i 与总数 ki 从 1 取到 k，k 通常为 2~8 个示例。太少学不到格式，太多则挤占上下文窗口。
    i=1,…,k\displaystyle i=1,\dots,k

自洽性投票：多同学独立表决

一个人打草稿可能走岔路。那怎么办？让五个同学独立做同一道题，然后看哪个答案得票最多。这就是自洽性（Self-Consistency）的核心思想：不再是“跑一条推理链”，而是“跑 N 条，再投票”。

具体做法是：对同一个问题，用较高的温度参数重复采样多次。温度就像“思维发散度”——温度高时，模型每次生成的推理路径都会有些不同；这些路径有的绕远，有的抄近道，但最终往往会收敛到少数几个答案。由于正确的推理路径通常比错误的更稳健，多数投票就能把零散的错误路径压下去。

用公式表达投票过程：

自洽性相当于把“单兵作战”升级为“小组协同”。每一条路径都像一个独立思考的同学，即使有个别同学犯了错，只要绝大多数同学推理正确，投票结果依然可靠。当然，前提是采样必须足够多样化——如果五个人抄同一份答案，投票就完全没有意义了。

y^=arg⁡max⁡y∑i=1N1[yi=y]\displaystyle \hat{y}=\arg\max_{y}\sum_{i=1}^{N}\mathbb{1}[y_i=y]
最终答案 = 统计 N 条独立推理路径各自给出的答案，选出得票最多的那个。多数人的选择往往更接近真相。
  1. N（采样路径数）一共让模型独立推理多少次，也就是“同学”的人数。通常取 5~20 条。
    N\displaystyle N
  2. y_i（单条路径的答案）第 i 次采样时，模型沿着某条推理链给出的答案。
    yi\displaystyle y_i
  3. 指示函数 1[·]当条件成立时计 1，否则计 0。遍历所有候选答案 y，统计它被多少条路径选中。
    1[yi=y]\displaystyle \mathbb{1}[y_i=y]
  4. 外层 arg max（多数投票）在所有候选中，挑出累计票数最多的答案作为最终输出。
    arg⁡max⁡y∑i=1N\displaystyle \arg\max_{y}\sum_{i=1}^{N}

o1推理策略：学霸的思路树

普通同学打草稿是一根线：顺着写下去，错了就整页划掉。学霸不一样，他们在脑子里展开的是一棵“思路树”——遇到岔路就分叉探索，发现死胡同就回溯换路，最后不仅选定一条最优路径，还会回头验证每一步。o1 模型把这种“搜索式推理”搬进了语言模型的推理阶段。

o1 会为当前问题生成多条候选推理轨迹，并对每条轨迹的“顺畅度”打分。什么是顺畅度？直观地说，如果一条推理路径每一步都踩在逻辑的必然上，那么每一步的生成概率都会比较高；一旦某一步出现不合理的跳跃，概率就会骤降。因此，对整条轨迹的对数概率求平均，就可以作为路径优劣的评分：

o1 的本质，是把推理时间从“写一条链”扩展为“搜一棵树”。搜索树越深、分支越多，找到正确答案的机会越大，但消耗的算力也越高。因此 o1 内部还有一个“算力预算”机制：简单问题少搜，复杂问题多搜，避免为每一道题都写一整本草稿。

V(τ)=1T∑t=1Tlog⁡P(st∣s1,…,st−1)\displaystyle V(\tau)=\frac{1}{T}\sum_{t=1}^{T}\log P(s_t\mid s_1,\dots,s_{t-1})
o1 用“整条推理轨迹的平均对数概率”来评估一条思路好还是坏，分数高就选它，分数低就换一条或回头修正。
  1. τ（完整轨迹）一条从问题到答案的完整推理路径，由 T 个步骤组成。
    τ\displaystyle \tau
  2. s_t（第 t 步内容）推理过程中第 t 步写下的文字，可能是列方程，也可能是排除一个错误选项。
    st\displaystyle s_t
  3. P(s_t | s_1, …, s_{t-1})在已知前 t-1 步的条件下，第 t 步出现的条件概率。逻辑自然的步骤概率高。
    P(st∣s1,…,st−1)\displaystyle P(s_t\mid s_1,\dots,s_{t-1})
  4. log（对数）把相乘的概率变成相加，避免连乘导致数值下溢；同时让“不太可能”的步骤显式地拉低总分。
    log⁡P(st∣s<t)\displaystyle \log P(s_t\mid s_{<t})
  5. 1/T 求平均归一化步数差异，避免“路径越长分越低”的偏差，让长路径和短路径可以公平比较。
    1T∑t=1T\displaystyle \frac{1}{T}\sum_{t=1}^{T}

应用与局限：草稿纸的成本账

讲了这么多“打草稿”的好处，我们也得冷静算算账。草稿纸是要花钱的：推理 token 越多，接口延迟越高、费用越贵。数学题用 CoT 是杀鸡焉用牛刀，但让模型回答“今天星期几”也要先写 300 字推理，就纯属浪费了。

因此，是否启用推理时间缩放，本质上是一道“成本收益”题。设准确率提升为 ΔA，计算成本为 C 乘以单位成本系数 α：

此外还有两个必须警惕的风险：一是幻觉风险，模型可能写出一套看似合理实则错误的推理步骤，草稿反而成了“自信的胡说八道”；二是适用边界，CoT 在数学、逻辑、规划、代码等需要多步推演的任务上效果显著，在简单事实问答、低延迟交互场景中则可能南辕北辙。未来，更聪明的推理时间缩放会像一位精明的考生——自动判断每道题的难度，合理分配草稿纸，把算力花在刀刃上。

净收益=ΔA(C)−αC,ΔA(C)=A(C)−A(0)\displaystyle \text{净收益}=\Delta A(C)-\alpha C,\qquad \Delta A(C)=A(C)-A(0)
只有当准确率的提升大于成本付出时，CoT 才值得开。推理时间缩放是“用算力换聪明”，但不是免费的聪明。
  1. ΔA(C)（准确率增量）使用 C 单位的推理计算量后，相比不打草稿提升的准确率。
    ΔA(C)=A(C)−A(0)\displaystyle \Delta A(C)=A(C)-A(0)
  2. A(0)（基线）零额外推理时的准确率，对应裸答水平。
    A(0)\displaystyle A(0)
  3. α（单位成本系数）每生成一个 token 的金钱与延迟代价，它是把“推理时间”换算成“成本”的汇率。
    α\displaystyle \alpha
  4. 净收益（决策判据）净收益大于零才值得增加推理，小于零时再多草稿也是负优化。
    净收益=ΔA(C)−αC\displaystyle \text{净收益}=\Delta A(C)-\alpha C

AI 应用场景

场景1：数学解题辅导App

阶段：推理阶段（推理时间缩放）

解决的问题：传统聊天机器人直接回答数学题，经常“跳步”甚至算错。用 Few-shot CoT 让模型先输出分步解题过程，再用 Self-Consistency 投票校验最终答案，兼顾“讲过程”与“保正确”。

具体案例：某 K12 教育 App 在提示中预置 3 道带完整推理步骤的例题示范，将温度设为 0.7，采样 5 条推理路径投票。接入后，应用题自动批改准确率从 61% 提升到 88%，学生还能看到每一步推理过程。

场景2：金融研报信息抽取

阶段：推理阶段（推理时间缩放）

解决的问题：从长篇研报中抽取结构化指标时，直接抽取容易张冠李戴。用 CoT 引导模型“先定位证据句，再抽取实体”，最后用自洽性多路径校验，降低抽错率。

具体案例：某量化团队用零样本 CoT 提示“Let's extract step by step”，让模型在抽取前先标出相关句子，再输出指标值。相比直接抽取，字段级准确率从 74% 提高到 91%，人工复核成本减少一半。

场景3：代码缺陷审查

阶段：推理阶段（推理时间缩放）

解决的问题：代码审查需要跨函数追踪变量状态，单次直接判断容易漏掉边界条件。用 o1 风格搜索式推理，让模型先概览结构、再逐函数检查边界、最后综合投票判定缺陷。

具体案例：某研发效能团队在 CI 流水线中接入 CoT 审查提示，对每次提交的代码生成“漏洞假设列表”再逐条验证。试点两个月，误报率比直接提示降低 35%，且能给出可定位到行号的解释。

Python 演示

python62 行
import random  class MiniReasoner:    """模拟小模型：同一个模型，用不同推理方式得到不同准确率"""     def __init__(self):        self.kb = {            "1+1=?": "2",            "2+3=?": "5",            "5+7=?": "12",            "12+9=?": "21",        }        self.wrong = ["3", "4", "8", "13", "20"]     def answer(self, question, error_rate):        if random.random() < error_rate:            return random.choice(self.wrong)        return self.kb[question]     def direct(self, q):        """不带草稿的直接回答：40% 出错率"""        return self.answer(q, 0.40)     def cot(self, q):        """思维链：先写中间步骤再给答案，出错率降到 15%"""        return self.answer(q, 0.15)     def consistency(self, q, trail_num=5):        """自洽性：多条推理路线，多数投票"""        votes = {}        for _ in range(trail_num):            ans = self.cot(q)            votes[ans] = votes.get(ans, 0) + 1        return max(votes, key=votes.get)  def evaluate(model, call, questions, rounds=20):    correct = 0    total = len(questions) * rounds    for _ in range(rounds):        for q in questions:            if call(q) == model.kb[q]:                correct += 1    return correct / total  def main():    random.seed(42)    model = MiniReasoner()    questions = list(model.kb.keys())    acc_direct = evaluate(model, model.direct, questions)    acc_cot = evaluate(model, model.cot, questions)    acc_sc = evaluate(model, model.consistency, questions)    print("直接回答准确率: {:.1%}".format(acc_direct))    print("思维链准确率:   {:.1%}".format(acc_cot))    print("自洽性准确率:   {:.1%}".format(acc_sc))    print("结论: 推理时间越长，正确率越高 -- 推理时间缩放")  if __name__ == "__main__":    main()
目的：用随机模拟的方式演示同一模型在“直接回答”“思维链”“自洽性投票”三种推理方式下的准确率差异，直观展示推理时间缩放的收益。
  1. self.answer(question, error_rate)核心采样函数：以一定概率答对，以剩余概率随机给错误答案，模拟不同推理方式下的出错率。
  2. def direct(self, q)模拟“不打草稿”的直接回答，设置 40% 的高出错率。
  3. def cot(self, q)模拟思维链，推理过程让出错率降到 15%。
  4. def consistency(self, q, trail_num=5)模拟自洽性：调用 5 次 cot 收集答案，再用字典计数选出得票最多的答案。
  5. def evaluate(model, call, questions, rounds=20)评估函数：对每个问题重复 20 轮，计算平均准确率，让结果更稳定。
  6. max(votes, key=votes.get)多数投票实现：在字典中取出票数最高的答案作为最终输出。

常见误区

误区以为提示词里多加“请认真思考”“请你务必仔细”“一步步详细分析”就能提升效果，结果模型反而输出一堆废话或答错。

正解CoT 的关键在于提供可执行的推理结构，而不是情感化口号。简洁的“Let's think step by step”或两三道格式清晰的示例，远胜于冗长的重复强调。过长的提示会稀释模型注意力，甚至诱导模型为了“凑步骤”而幻觉。

为何常见：零样本 CoT“加一句话就变准”的成功经验，容易让人产生“加越多越有效”的线性外推——但模型不是越催越努力的考生。

误区不管什么任务都套上“逐步思考”，连“北京是哪个国家的首都”这种常识问题也要求模型先推理 200 字。

正解多项研究表明，对简单任务使用 CoT 可能伤害准确率——模型被引导到过度思考，反而把简单问题复杂化。正确做法是根据任务难度动态选择：多步逻辑、数学、规划类任务开 CoT；事实检索、情绪分类、低延迟场景用直接回答。

为何常见：CoT 在数学基准上动辄提升 20 个百分点的亮眼数字，让初学者误以为它是放之四海皆准的万能模板。

误区以为 Self-Consistency 就是机械地重复采样多次再统计频率，于是用温度设为 0 或固定随机种子反复跑 10 遍，发现结果毫无变化。

正解自洽性的数学前提是路径多样性——只有每次采样路径足够独立（通常需要将温度调到 0.4~0.7 甚至更高），投票才有统计意义。如果采样完全确定性，多数投票就退化成单次采样。

为何常见：把“多数投票”误以为是纯粹的后处理技巧，忽略了温度参数在制造多样性中的关键角色。

误区以为 o1 类模型会无止境地搜索推理树，直到耗尽所有算力才停，因而使用时不计成本地等待。

正解o1 内部有推理预算（inference budget）机制，会根据问题难度自动分配 token 预算：简单问题几秒出答案，难题才花几十秒深搜。无限搜索既不经济，也不符合产品对延迟的要求。

为何常见：媒体宣传聚焦于 o1“深度思考”的高光时刻，让人忽略了它在工程实现上对算力的精打细算。

面试题

Q1. 思维链CoT的核心思想是什么？

单选题 · easy

  • A.扩大训练数据规模
  • B.增大模型参数量
  • C.先输出中间推理步骤← 正确答案
  • D.调整学习率策略

答案：C。CoT 的核心是让模型在给出最终答案前先输出一串中间推理步骤，相当于考试打草稿。扩大数据、增大参数量属于训练阶段缩放，调整学习率是训练技巧，都与 CoT 的定义无关。

Q2. 零样本CoT通常使用哪一类触发词？

单选题 · easy

  • A.请直接快速作答
  • B.直接给正确答案
  • C.不解释只输出
  • D.让我们逐步思考← 正确答案

答案：D。零样本 CoT 的经典触发短语是“Let's think step by step”，即“让我们逐步思考”。它能激活模型在训练语料中学到的逐步解题模式；直接作答、不解释等指令恰恰是要求模型跳过推理。

Q3. 自洽性Self-Consistency如何汇总多条推理路径得到最终答案？

单选题 · mid

  • A.取第一条路径的结果
  • B.按路径长度加权平均
  • C.对所有答案做多数投票← 正确答案
  • D.随机选一条路径输出

答案：C。Self-Consistency 的核心是“多数投票”：采样 N 条独立推理路径，统计每个答案出现的次数，得票最高者胜出。取第一条、随机选一条都没有利用路径多样性；按长度加权在算法定义中并不存在。

Q4. 推理时间缩放主要增加哪个阶段的计算量？

单选题 · mid

  • A.推理生成阶段← 正确答案
  • B.预训练阶段
  • C.模型微调阶段
  • D.数据整理阶段

答案：A。推理时间缩放特指在推理（生成）阶段增加计算量，比如让模型多写推理 token、多采样几条路径。预训练和微调发生在模型发布前，数据整理更是离线环节，都不属于“考试时多打草稿”。

Q5. 下列哪些属于推理时间缩放的实现方法？

多选题 · mid

  • A.思维链逐步推理← 正确答案
  • B.自洽性多数投票← 正确答案
  • C.扩大预训练语料
  • D.多路径搜索回溯← 正确答案

答案：ABD。思维链、自洽性投票、多路径搜索回溯都是在推理阶段增加计算量来换取准确率的手段。扩大预训练语料属于训练阶段缩放，与推理时间缩放相对。

Q6. 自洽性采集中温度参数的主要作用是什么？

单选题 · hard

  • A.控制文本长度
  • B.固定随机数种子
  • C.调节采样多样性← 正确答案
  • D.提升显存利用率

答案：C。温度参数控制采样分布的平滑程度，温度越高，每次生成的推理路径差异越大——多样性是自洽性投票有效的前提。控制长度靠 max tokens，种子与多样性无关，显存利用则完全取决于硬件与显存配置。

Q7. 少样本CoT与零样本CoT的主要区别是？

单选题 · mid

  • A.是否更换损失函数
  • B.是否提供推理步骤示范← 正确答案
  • C.是否内置预训练示例
  • D.是否调节模型温度

答案：B。少样本 CoT 在提示中提供若干“问题→推理→答案”的完整示例，零样本 CoT 只加一句触发词。两者的差别是“有没有例题可参考”，而不是损失函数、内置知识或温度设置。

Q8. o1推理策略包含哪些关键环节？

多选题 · hard

  • A.探索多条推理分支← 正确答案
  • B.对分支打分并回溯← 正确答案
  • C.强制缩短推理路径
  • D.验证修正错误步骤← 正确答案

答案：ABD。o1 在推理阶段会构建多条候选推理分支，对每条轨迹打分评估，发现低分路径会回溯修正。它的目标是充分搜索，而不是强制缩短路径——压缩推理长度恰恰是 o1 尽量避免的。

Q9. CoT更适合以下哪类问题？

单选题 · easy

  • A.简单的单词拼写
  • B.多步逻辑推理题← 正确答案
  • C.单字类型回复
  • D.色块分类任务

答案：B。CoT 的优势在于把复杂问题拆解成多步推理，因此最擅长数学题、逻辑推理等需要连续思考的任务。单词拼写是词表检索，单字回复和色块分类属于极简输出，强行 CoT 只会浪费算力。

Q10. 关于推理时间缩放与CoT，下列说法正确的是？

多选题 · hard

  • A.适用于所有任务类型
  • B.自洽性依赖多路径投票← 正确答案
  • C.准确率随计算量先升后饱和← 正确答案
  • D.推理时间与成本成正比← 正确答案

答案：BCD。自洽性正是靠多条独立路径投票提升稳健性；准确率随推理计算量呈现先快后慢的饱和曲线；生成 token 越多，延迟和费用越高。但 CoT 并非万能，在简单问答和低延迟场景下反而可能造成负收益。