**推理即路径搜索：重新审视大模型的推理目标**

_What objective is reasoning solving?_

> 文章提出将大模型的推理过程视为在 token 空间中的路径搜索。不同于传统观点认为延长思考链（Chain of Thought）能线性提升准确率，该视角指出推理的目标是寻找从提示词到正确答案集合的可行路径。强化学习通过最大化找到正确路径的概率来提升模型性能，而非保证单条路径收敛。这一理论解释了为何延长思考链存在边际效应递减甚至导致“过度思考”的现象，并揭示了不忠实推理链和奖励黑客行为的本质。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-11-11 03:25（北京时间）
- **原文**：[打开原文](https://alexwang.ai/posts/reasoning-as-pathfinding)