自OpenAI发布o1-mini模型以来，推理模型在AI领域受到广泛关注。Netflix研究科学家Cameron R. Wolfe回顾了推理模型的发展，介绍了将标准LLM转变为推理模型的技术。推理模型通过长思维链解决复杂问题，尤其在数学和编程任务中表现优异。DeepSeek-R1等开放式推理模型的出现标志着该领域的进一步进展。
清华与CMU团队的研究表明，长思维链（CoT）推理能力可以通过强化学习（RL）实现，监督微调（SFT）并非必需，但能提升效率。研究强调奖励函数对CoT扩展的重要性，并指出模型具备自我纠错能力。未来的研究将集中在模型规模和RL基础设施的改进上。
AIxiv专栏报道了o1类长思维链模型的过度思考现象，研究发现这些模型在简单问题上生成冗长思维链，浪费计算资源。提出了优化方法以提高推理效率，减少冗余推理，未来将探索动态调控策略和更精细的效率评估指标。
类o1模型通过长思维链提升机器翻译效果。微信AI团队提出DRT-o1，利用多智能体框架进行文学翻译，成功生成长思考样本，实验结果显示其翻译质量优于传统模型。
完成下面两步后，将自动完成登录并继续当前操作。
