下一代推理模型的分类法：从可验证奖励到并行思考

Nathan Lambert在这场演讲中，回顾了过去半年推理模型的关键变化，提出了一套“下一代推理”的分类法框架。他从可验证奖励的强化学习出发，解释为何推理不只是更长的思维链，而是一整套可被设计、比较和工程化的能力组合。

为什么“推理”在2025年突然变得不一样了

这一切的起点，并不是一个宏大的理论，而是一次阶段性的反思。Lambert开场就说，他是在“回顾过去六个月，思考带有可验证奖励的强化学习（reinforcement learning with verifiable rewards）到底带来了什么变化”。这里的关键词是“可验证”：模型的推理结果不再只是看起来像对，而是能被程序化地判断对错。

他提到，像 DeepSeek 这样的工作，让研究者第一次可以稳定地从推理过程中“抽取信号”。这件事的重要性在于，推理不再是黑箱里的副产物，而成为一个可以被优化的目标。当奖励是可验证的，研究者就能真正比较不同推理策略，而不是凭主观感受判断模型是否“更聪明”。

Lambert的一个隐含判断是：推理能力的跃迁，并不是来自单一模型规模的提升，而是来自训练信号的改变。这也是为什么他把这半年视为一个分水岭，而不是渐进式改良。

推理正在“解锁”新一代语言模型能力

在第二部分，Lambert明确提出一个观点：推理并不是附加功能，而是在“解锁”全新的语言模型形态。他直言，“这种推理正在真正解锁新的语言模型”，并且最终会形成一个独立的“reasoning models”类别。

这里的关键洞见是区分“会说话的模型”和“会思考的模型”。传统大语言模型擅长模式匹配和流畅生成，但在多步决策、复杂约束或长程规划任务中容易崩溃。而推理模型的目标，是在生成之前，先完成内部的结构化思考。

Lambert强调，这并不是让模型写更长的思维链，而是让不同类型的推理能力可以被识别、命名和组合。这正是他提出“taxonomy（分类法）”的原因：如果我们无法清晰描述一种能力，就无法系统性地改进它。

一套推理分类法：从任务到模型能力

演讲的中段，Lambert把这套分类法正式摆上台面。他展示的并不是单一列表，而是一种组织方式：把推理拆解为不同任务类型，再映射到模型所需的能力。

他提到，这是一份“推理任务的清单”，其价值不在于穷尽所有情况，而在于让研究者能够“跨不同模型进行沟通”。换句话说，当你说一个模型擅长某类推理时，别人能准确理解你指的是什么，而不是抽象的“很强”。

在这里，他也谈到一个现实限制：很多推理能力目前仍处于“非常早期的阶段”。有些任务只有在人类手动介入、精心设计提示或评估流程时，模型才会表现出色。这种不成熟并不是失败，而是清晰地标记了未来研究最值得投入的方向。

并行计算、规划先行，以及工程上的代价

在更偏工程的部分，Lambert讨论了并行计算（parallel compute）和规划（planning）的角色。他指出，并行计算确实能显著放大推理能力，但“它并不能解决每一个问题”。有些瓶颈来自任务本身，而不是算力不足。

一个重要转折点在于“先规划，再思考”。他描述的趋势是：模型在真正生成答案之前，先形成一个高层计划，而不是一边想一边说。这种结构化流程，更接近人类解决复杂问题的方式。

但代价同样明显。Lambert在结尾提醒，这条路线会带来“相当惊人的基础设施需求”，其规模甚至“相当难以想象”。推理能力的提升，不只是算法问题，也正在快速变成系统和成本的问题。

总结

Lambert这场演讲的价值，不在于给出某个具体模型的成功秘诀，而在于提供了一张思考地图：推理是什么、可以如何拆解、又将把我们带向哪里。从可验证奖励的强化学习，到推理任务的分类法，再到并行计算和规划先行的工程现实，他反复强调一件事——如果我们想要真正可控、可比较的推理能力，就必须把“思考”本身当成一等公民来设计。对研究者和工程团队而言，这既是机会，也是新的复杂性来源。

关键词： 推理模型， 大语言模型， 强化学习， 可验证奖励， DeepSeek

事实核查备注： 演讲者：Nathan Lambert；机构：Allen Institute （AI2）、Interconnects.ai；视频标题：A Taxonomy for Next-gen Reasoning；提及技术：reinforcement learning with verifiable rewards、reasoning models、parallel compute；提及产品：DeepSeek；发布时间：2025-07-19