CRM Reasoning Model（CRM 推理模型）

CRM（Chain-of-thought Reasoning Model）推理模型旨在增强大语言模型的复杂推理能力。其核心是通过监督微调或强化学习，让模型在输出最终答案前生成详细的推理步骤（思维链）。代表性工作包括OpenAI的o1系列、DeepSeek-R1等。这些模型在数学、编程和逻辑推理任务上表现优异，但推理成本较高。CRM推理模型通常采用两阶段训练：先通过冷启动数据微调，再通过强化学习优化推理路径。