這項由蘇州大學計算機科學與技術學院的季逸鑫、李俊濤等研究者聯合新加坡國立大學、螞蟻集團等多家機構共同完成的重要研究發(fā)表于2025年6月，論文全面梳理了人工智能測試時計算的發(fā)展歷程。有興趣深入了解的讀者可以通過arXiv:2501.02497v3訪問完整論文。這是首次系統(tǒng)性回顧測試時計算方法的學術調研，為理解AI從簡單模仿到復雜推理的演進提供了完整視角。

人工智能正在經歷一場深刻變革。曾經，AI系統(tǒng)就像一個訓練有素但缺乏變通能力的學生，面對新情況時只能依靠記憶中的標準答案。然而，隨著OpenAI的o1模型和阿里的DeepSeek-R1等新一代推理模型的出現，AI開始展現出令人驚嘆的思考能力——它們能夠像人類一樣深思熟慮，甚至在復雜數學問題上超越專業(yè)人士。

這種轉變的關鍵在于一個被稱為"測試時計算"的技術革命。簡單來說，傳統(tǒng)AI就像考試時必須立即給出答案的學生，而新一代AI則被允許在考試時花更多時間思考、驗證和修正答案。這種思考時間的投入，帶來了推理能力的質的飛躍。

研究團隊通過深入分析，發(fā)現AI系統(tǒng)正在經歷從"系統(tǒng)1思維"到"系統(tǒng)2思維"的進化過程。系統(tǒng)1思維類似人類的直覺反應——快速、自動化，但容易出錯；而系統(tǒng)2思維則是深度思考模式——緩慢、審慎，但更加準確可靠。這一發(fā)現不僅揭示了當前AI發(fā)展的核心趨勢，也為未來人工智能的發(fā)展方向提供了重要指導。

一、從直覺到思考：AI的認知進化之路

人類大腦有兩套思維系統(tǒng)，這個概念最初由心理學家丹尼爾·卡尼曼提出。系統(tǒng)1就像我們看到紅燈就停車的本能反應，快速而自動化；系統(tǒng)2則像解數學題時的仔細推演，需要消耗更多精力但更加準確。傳統(tǒng)的AI模型主要依賴系統(tǒng)1思維——接收輸入后立即給出輸出，整個過程就像閃電般迅速。

早期的AI系統(tǒng)雖然在特定任務上表現出色，但面臨一個根本性局限：它們假設訓練時見過的數據分布與實際應用時完全相同。這就像一個只在晴天練習開車的司機，突然遇到雨雪天氣時就會手足無措。當現實世界的數據與訓練數據存在差異時，這些系統(tǒng)的表現往往急劇下降。

為了應對這個挑戰(zhàn)，研究者們開發(fā)出了測試時適應技術。這類技術讓AI系統(tǒng)能夠在面對新情況時進行"現場學習"，就像一個靈活的廚師能夠根據現有食材調整菜譜。測試時適應通過四種主要方式實現：更新模型參數、修改輸入數據、編輯內部表示和校準輸出結果。

參數更新就像給大腦臨時"補課"。當AI遇到與訓練時不同的數據時，它會調整內部連接，使自己更適應新環(huán)境。輸入修改則像給問題換個問法，讓AI更容易理解。表示編輯類似調整思維角度，而輸出校準則像最后的檢查驗證環(huán)節(jié)。

然而，這些方法雖然提高了AI的適應性，但本質上仍屬于系統(tǒng)1思維的范疇。真正的突破來自于讓AI學會像人類一樣進行系統(tǒng)2思維——深度推理。

二、推理革命：AI學會深度思考的藝術

推理是智能的核心特征之一。當我們解決復雜問題時，大腦會自然地將問題分解為多個步驟，逐一攻破。這個過程需要時間，但能夠處理那些直覺無法解決的難題?，F代AI推理系統(tǒng)正是模擬了這一過程。

鏈式思考（Chain-of-Thought）技術的出現標志著AI推理能力的重大飛躍。這項技術讓AI不再給出簡單的最終答案，而是像學生做題時一樣，詳細展示每一步的推理過程。比如面對"小明有15個蘋果，給了小紅3個，又給了小李5個，還剩幾個？"這樣的問題，AI會寫出："小明原來有15個蘋果，給了小紅3個后剩下15-3=12個，再給小李5個后剩下12-5=7個，所以最后剩7個蘋果。"

這種顯式的推理過程帶來了顯著的性能提升，在數學推理任務中準確率提高了18%以上。更重要的是，這種方法讓AI的思考過程變得透明可解釋，就像打開了AI的"思維黑箱"。

然而，簡單的鏈式思考仍然存在局限性。它的推理路徑是線性的，缺乏人類思維中常見的反思、回溯和多角度思考。為了突破這些限制，研究者們開發(fā)了更復雜的推理策略。

重復采樣技術就像讓AI從多個角度思考同一個問題。面對一道難題，AI不再只給出一個答案，而是生成多個不同的解答路徑，然后通過某種機制選擇最可能正確的答案。這類似于人類在重要決策時會反復權衡的過程。

自我糾錯技術則讓AI具備了反思能力。當AI完成初步推理后，它會像學生檢查作業(yè)一樣重新審視自己的答案，發(fā)現錯誤并進行修正。這個過程可能需要多輪迭代，每一輪都讓答案變得更加準確。

樹搜索技術代表了AI推理的最高形態(tài)。它讓AI的思考過程變得像真正的思維樹一樣復雜多樣。面對一個問題，AI會同時探索多條可能的推理路徑，遇到障礙時能夠回溯到之前的決策點，嘗試其他可能性。這種推理方式最接近人類解決復雜問題時的思維過程。

三、反饋與評價：AI如何判斷自己的思考質量

推理能力的提升離不開有效的反饋機制。就像學生需要老師的評價來知道自己哪里做得好、哪里需要改進，AI系統(tǒng)也需要某種方式來評估自己推理的質量。

研究團隊發(fā)現，AI的反饋機制主要分為兩大類：基于分數的反饋和生成式反饋?；诜謹档姆答伨拖窨荚嚧蚍忠粯?，給每個推理步驟或最終答案一個數值評價。這種方法簡單直觀，但缺乏具體的改進建議。

生成式反饋則更像是詳細的作業(yè)批注。它不僅指出哪里有問題，還解釋為什么有問題，甚至給出改進建議。這種反饋方式雖然更加復雜，但對推理能力的提升效果也更顯著。

在數學推理領域，研究者們還區(qū)分了結果導向和過程導向的驗證器。結果導向驗證器只關心最終答案是否正確，就像只看考試成績不看答題過程的評價方式。過程導向驗證器則會評估每一步推理的正確性，能夠發(fā)現推理過程中的細微錯誤，即使最終答案恰好正確。

這些反饋機制的發(fā)展極大地推動了AI推理能力的提升。通過不斷的評價和改進，AI系統(tǒng)能夠學會更好的推理策略，避免常見錯誤，提高解題的準確性和效率。

四、搜索策略：AI如何在思維迷宮中找到正確路徑

人類思考復雜問題時，大腦會在無數可能的思路中進行搜索，尋找最有希望的解決方案。AI的推理搜索策略正是模擬了這一過程，但用更系統(tǒng)化的方法來實現。

重復采樣是最直接的搜索策略。這就像讓AI對同一個問題思考多次，每次都可能產生不同的解答路徑。然后通過某種機制從這些候選答案中選擇最佳的一個。最常見的選擇方法是多數投票：如果大多數推理路徑都指向同一個答案，那么這個答案很可能是正確的。另一種方法是"優(yōu)中選優(yōu)"，使用驗證器對所有候選答案打分，選擇得分最高的。

自我糾錯策略讓AI具備了反思和改進的能力。這個過程類似于學生做完題后的自我檢查。AI首先給出初步答案，然后像批改作業(yè)一樣審視自己的推理過程，發(fā)現可能的錯誤或不完善之處，最后基于這些反饋產生改進的答案。關鍵在于反饋的來源：可能來自外部工具（如代碼編譯器檢查程序是否正確）、其他AI模型的評價，或者AI自己的批判性分析。

樹搜索代表了最復雜也是最強大的推理搜索策略。這種方法將推理過程構建為一棵決策樹，每個節(jié)點代表推理過程中的一個狀態(tài)，每個分支代表一個可能的推理步驟。AI可以同時探索多條推理路徑，當某條路徑遇到困難時，可以回溯到之前的決策點，嘗試其他可能性。

樹搜索中最著名的算法是蒙特卡洛樹搜索（MCTS）。這種算法通過四個步驟不斷優(yōu)化搜索過程：選擇（根據歷史經驗選擇最有希望的路徑）、擴展（在選定路徑上嘗試新的推理步驟）、模擬（估算這條新路徑的成功可能性）、反向傳播（將評估結果反饋給相關的路徑節(jié)點）。這個過程會重復進行，逐漸提高整體的推理質量。

價值函數在樹搜索中起到關鍵作用，它負責評估每個推理狀態(tài)的"好壞"。就像圍棋AI評估每個棋局位置的優(yōu)劣一樣，推理AI的價值函數會判斷當前推理狀態(tài)是否接近正確答案。這種評估幫助AI將有限的計算資源集中在最有希望的推理方向上。

五、訓練與優(yōu)化：AI如何通過練習提高推理能力

光有好的推理策略還不夠，AI還需要通過大量練習來提高這些策略的使用效果。這就像學習任何技能一樣，熟練程度來自持續(xù)的練習和改進。

改進訓練是一種重要的優(yōu)化方法。通過測試時推理產生的高質量推理軌跡被收集起來，用作新的訓練數據。這些數據比原始訓練數據更有價值，因為它們展示了完整的推理過程，包括如何處理困難情況、如何從錯誤中恢復等。使用這些數據進行訓練，能夠顯著提高AI的基礎推理能力。

強化學習在推理優(yōu)化中發(fā)揮著重要作用。與傳統(tǒng)的監(jiān)督學習不同，強化學習讓AI通過試錯來學習最優(yōu)策略。在推理任務中，AI會嘗試不同的推理路徑，根據最終結果的好壞來調整自己的決策偏好。正確的推理步驟會得到獎勵，錯誤的步驟會受到懲罰，通過這種方式，AI逐漸學會了更好的推理模式。

一些最新的研究甚至讓AI從零開始學習推理，不依賴人工標注的推理過程。這些方法僅僅依靠最終答案的正確性來指導學習，AI需要自己探索出有效的推理策略。這種方法的優(yōu)勢在于能夠發(fā)現人類可能想不到的新穎推理模式。

六、走向通用：多領域推理能力的拓展

雖然當前的推理模型在數學和編程等符號推理任務上表現出色，但在更廣泛的領域中實現通用推理能力仍然面臨挑戰(zhàn)。研究團隊指出了幾個重要的發(fā)展方向。

跨領域泛化是一個核心挑戰(zhàn)。目前大多數推理模型在特定領域表現優(yōu)異，但難以將推理能力遷移到其他領域。比如一個在數學推理上表現出色的AI，在處理日常生活中的常識推理時可能表現平平。解決這個問題需要開發(fā)更加通用的推理框架和評估機制。

多模態(tài)推理是另一個重要方向?，F實世界的問題往往涉及文字、圖像、聲音等多種信息形式。AI需要學會整合這些不同模態(tài)的信息來進行推理。比如解決一個包含圖表的數學問題，AI需要同時理解文字描述和圖形信息，然后進行綜合推理。

效率優(yōu)化也是實際應用中的關鍵考慮。雖然測試時推理能夠顯著提高準確性，但它也消耗更多的計算資源和時間。如何在推理質量和計算效率之間找到最佳平衡，是工程化部署時必須解決的問題。一些研究探索了自適應推理深度的方法：對于簡單問題使用快速推理，對于復雜問題才啟用深度推理。

擴展法則的研究試圖找出測試時計算投入與推理性能提升之間的定量關系。就像訓練時有"scaling law"指導模型規(guī)模和數據量的配置，測試時推理也需要類似的指導原則來幫助實踐者做出最優(yōu)的資源配置決策。

七、技術融合：多種策略的協同效應

最先進的AI推理系統(tǒng)往往不是單純使用某一種技術，而是將多種策略巧妙地結合起來。這種融合產生的協同效應遠超單一技術的簡單疊加。

一些系統(tǒng)將蒙特卡洛樹搜索與自我糾錯相結合，在樹搜索的每個節(jié)點都進行自我評估和改進。這樣既保證了推理路徑的多樣性探索，又確保了每條路徑的質量。另一些系統(tǒng)將測試時適應與推理策略結合，讓AI能夠根據具體問題的特點動態(tài)調整自己的推理模式。

這種技術融合的趨勢表明，未來的AI推理系統(tǒng)將更加靈活和智能。它們不會拘泥于某一種固定的推理模式，而是能夠根據問題的性質、可用的計算資源、時間限制等因素，自適應地選擇最合適的推理策略組合。

八、實際應用與影響

測試時推理技術已經在多個實際領域展現出巨大價值。在教育領域，AI可以像經驗豐富的老師一樣，不僅給出答案，還提供詳細的解題步驟和思路分析。在科學研究中，AI能夠協助研究人員進行復雜的邏輯推導和假設驗證。在軟件開發(fā)領域，AI可以理解需求、設計算法、編寫代碼并進行調試。

更重要的是，這些技術正在改變我們對人工智能本質的理解。AI不再只是一個高速的模式匹配機器，而是具備了真正的思考能力。這種能力的涌現標志著我們正在向通用人工智能邁進。

然而，這種發(fā)展也帶來了新的挑戰(zhàn)。更強的推理能力意味著AI能夠處理更復雜的任務，這對AI安全性和可控性提出了更高要求。如何確保AI的推理過程符合人類價值觀，如何防止AI在推理過程中產生有害的中間步驟，這些都是需要認真考慮的問題。

九、未來展望與思考

測試時推理技術的發(fā)展為我們展現了AI發(fā)展的新圖景。在不遠的將來，我們可能會看到真正具備人類水平推理能力的AI系統(tǒng)。這些系統(tǒng)不僅能夠解決復雜的技術問題，還能夠進行創(chuàng)造性思考、提出新穎的見解、甚至參與科學發(fā)現過程。

從更深層次來看，這項研究揭示了智能本身的一些根本特征。智能不僅僅是記憶和匹配的能力，更是思考、推理和創(chuàng)新的能力。測試時推理技術的成功表明，給AI足夠的"思考時間"，就能顯著提升其智能表現。這個發(fā)現對教育、工作方式、甚至人類社會組織形式都可能產生深遠影響。

當AI具備了真正的推理能力后，人類與AI的關系也將發(fā)生變化。我們不再是簡單的使用者和工具的關系，而更像是合作伙伴關系。人類提供價值判斷和創(chuàng)意方向，AI負責復雜的邏輯推導和方案分析，兩者結合將能夠解決以前無法解決的復雜問題。

這項研究也提醒我們，AI的發(fā)展并不是單純追求更大的模型或更多的數據，而是需要更深入地理解和模擬智能的本質特征。測試時推理的成功證明，計算資源的投入方式比投入量更重要。這為未來AI研究提供了新的思路：不僅要關注如何讓AI學得更多，更要關注如何讓AI想得更好。

說到底，這項來自蘇州大學等機構的研究為我們提供了理解AI推理能力發(fā)展的完整框架。從簡單的適應性調整到復雜的深度推理，從單一策略到多技術融合，從特定領域到通用能力，整個發(fā)展軌跡清晰地展現了AI正在經歷的智能化進程。這不僅是技術的進步，更是我們對智能本質理解的深化。隨著這些技術的不斷成熟，我們有理由相信，真正理解和解決復雜問題的AI時代正在到來。

Q&A

Q1：什么是測試時計算？它與傳統(tǒng)AI有什么不同？

A：測試時計算是指AI系統(tǒng)在回答問題時花費更多時間進行深度思考的技術。傳統(tǒng)AI像考試時必須立即回答的學生，而測試時計算讓AI可以像人類一樣仔細思考、反復驗證，通過投入更多推理時間來顯著提高答案的準確性和質量。

Q2：系統(tǒng)1思維和系統(tǒng)2思維在AI中是如何體現的？

A：系統(tǒng)1思維是快速直覺反應，AI接收輸入后立即給出輸出，速度快但容易出錯。系統(tǒng)2思維是深度思考模式，AI會展示詳細推理過程、進行自我檢查和修正，雖然較慢但更準確可靠?，F代推理模型正在從系統(tǒng)1向系統(tǒng)2進化。

Q3：AI推理技術的發(fā)展會對普通人的生活產生什么影響？

A：AI推理技術將深刻改變教育、工作和決策方式。在教育中，AI能像優(yōu)秀老師一樣提供詳細解題步驟；在工作中，AI可以協助處理復雜分析和創(chuàng)意任務；在日常生活中，AI能夠提供更準確的建議和解決方案，人類與AI的關系將從使用工具轉向智能合作伙伴。