NeurIPS 2025 | DynaAct：DeepSeek R1之外，探索大模型推理的另一条道路

该工作的第一作者为香港大学计算机系博士生赵学亮。蚂蚁武威、关健为共同贡献者。 在 R1 与 O1 引领「深度推理」浪潮之后，大模型推理领域正迎来新的分叉点！ 大模型推理的爆发，实际源于 scaling 范式的转变：从 train-time scaling 到 test-time scaling（TTS），即将更多的算力消耗部署在 inference 阶段。 典型的实现是以 DeepSeek r1 为代表的 long CoT 方法：通过增加思维链的长度来获得答案精度的提升。那么 long CoT 是 TTS 的唯一实现吗？ 与传统 token-by-token 式的 CoT 不同，DynaAct 提出以 Action Space Optimization 为核心的 TTS 范式：在每一步推理中动态构建可选动作集合， 并通过学习算法从中选择最优动作，从而让推理路径更高效、更具结构化。 针对这个问题，来自蚂蚁和香港大学自然语言组的研究团队（后简称「团队」）给出了 TTS 的另一种思路： 让模型不仅「想得久」，更要「想得准」。 在这一思路下，团队提出了 DynaAct，该工作已经被 NeurIPS 2025 接收。 ...