研究：大型推理模型推理阶段的能力与效率缩放规律
原文标题：Scaling of Capability and Efficiency at Inference Time in Large Reasoning Models
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文用层次贝叶斯模型评估 DeepSeek-R1-Distill 系列在四类算术与算法推理任务上的能力与效率。结果显示，固定模型规模下解题正确率随问题规模近似指数衰减，衰减尺度随模型规模亚线性增长，即能力提升递减；输出长度随难度呈幂律增长，但幂律参数不随模型规模系统变化，说明更大模型并未更高效。
- 问题
- 大模型推理能力与效率随规模如何变化，缺乏联合刻画。
- 方法
- 用层次贝叶斯模型拟合 DeepSeek-R1-Distill 系列在四类算术/算法任务上的正确率与输出长度。
- 结果
- 正确率随问题规模近似指数衰减，衰减尺度随模型规模亚线性增长；输出长度幂律参数不随模型规模系统变化。
- 影响
- 提示单纯堆规模既收益递减又不提升推理效率，规划推理算力时不能只靠放大模型。
深读 · 结论先行AI 生成展开看要点与影响 ↓
研究显示更大模型解题正确率提升递减，且输出长度规律不变、并未更高效
- •用层次贝叶斯模型评估DeepSeek-R1-Distill系列四类算术与算法推理任务
- •固定模型规模下，正确率随问题规模近似指数衰减
- •衰减尺度随模型规模亚线性增长，即能力增益递减
- •输出长度随难度呈幂律增长，但幂律参数不随模型规模系统变化
- •结论指向更大模型并未变得更高效
为什么重要：为「单纯堆规模」的路线提供了能力与效率双重受限的实证，影响推理模型的扩展策略预期。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。