AlphaOne：测试时慢思考和快思考的推理模型

这篇论文介绍了 AlphaOne (alpha1)，一个在测试时调节大型推理模型 (LRMs) 推理过程的通用框架。alpha1 首先引入了 alpha 时刻，它代表了由一个通用参数 alpha 缩放的思考阶段。在这个缩放的 alpha 时刻前阶段内，它通过将推理过渡 token 的插入建模为伯努利随机过程，动态调度慢思考过渡。在 alpha 时刻之后，alpha1 通过思考结束 token 确定性地终止慢思考，从而促进快速推理和高效答案生成。这种方法通过实现灵活且密集的慢到快推理调节，统一并概括了现有的单调缩放方法。在数学、编码和科学领域各种具有挑战性的基准测试上的大量实证研究表明，alpha1 具有卓越的推理能力和效率。项目页面：https://alphaone-project.github.io/