CoT（思维链）在 100B 以上参数模型中可将推理准确率提升 100% 以上，ToT（思维树）进一步将探索空间从线性扩展到树形，而自我改进机制让模型能自我纠错——三者共同推动了 AI 从「机械应答」到「逻辑推理」的质变。
思维链提示：让模型学会一步步思考
思维链（Chain-of-Thought，CoT）提示技术是提升大模型推理能力的里程碑式突破。传统的直接提示（Direct Prompting）让模型直接给出答案，而 CoT 通过引导模型生成中间推理步骤，将复杂问题分解为一系列更简单的子问题。Wei 等人在 2022 年的论文中证明，在足够大的模型（超过 100B 参数）上，CoT 可以显著提升算术、常识推理和符号推理任务的准确率，某些任务提升幅度超过 100%。
零样本 CoT（Zero-Shot CoT）进一步简化了使用方式——只需在提示末尾添加「Let’s think step by step」，模型就会自动生成推理过程。这一简洁而强大的方法揭示了大模型在预训练阶段已经学会了基本的推理能力，只是在标准提示下未被充分激发。CoT 的变体还包括结构化 CoT（按清单方式列出步骤）和少样本 CoT（提供推理示例引导），在不同场景下各有优势。
思维树：探索多条推理路径
思维树（Tree-of-Thoughts，ToT）将 CoT 的单链条扩展为树状搜索。ToT 将问题求解视为在推理树中搜索最优路径的过程，每个节点代表一个中间推理步骤，模型通过广度优先或深度优先搜索策略同时探索多条候选路径，并利用「评估提示」（Evaluation Prompt）对中间结果的可行性进行打分和剪枝。
ToT 在需要规划、搜索和决策的复杂任务中表现尤为出色。例如在「24 点游戏」中，ToT 的成功率远超 CoT，因为它可以回溯失败路径并尝试不同的数字组合。类似的思路还催生了思维图（Graph-of-Thoughts）和思维程序（Program-of-Thoughts）等扩展方法，将推理过程从线性推进扩展到更灵活的结构化探索。
自我改进：模型自己当自己的老师
自我改进（Self-Improvement）机制代表了 AI 推理能力跃迁的前沿方向。STaR（Self-Taught Reasoner）提出了一种迭代训练框架：模型尝试回答推理问题，如果答案不正确，则提供正确答案作为提示让模型重新生成推理过程，然后将这些正确推理作为训练数据微调自身。经过多轮迭代，模型的推理能力可以持续提升。
强化学习在推理能力提升中也扮演着关键角色。AlphaGo 的思路被引入语言模型——模型生成多个推理路径，通过结果验证（如数学答案是否正确、代码是否能通过测试）作为奖励信号，使用强化学习（如 PPO、DPO）进行优化。DeepSeek-R1 和 OpenAI 的 o1 系列都在这一方向上取得了重大突破，展示了通过强化学习实现推理能力跃迁的巨大潜力。未来的通用人工智能很可能建立在自我改进的推理机制之上。
37020202001687