技术博客

近年来，随着大型模型推理能力的不断提升，研究者开始关注如何在测试阶段扩展其性能。近期出现了一些新的研究范式，主要包括结构化搜索策略（如蒙特卡洛树搜索MCTS）、结合过程奖励模型与PPO（Proximal Policy Optimization）的方法，以及可验证奖励机制与GRPO（Guided Policy Optimization）相结合的技术，例如DeepSeek R1。这些方法旨在增强大模型的元思考能力和泛化表现，使其在复杂任务中展现出更强的推理水平和适应性。