LRM（大型推理模型）

传统大语言模型主要依赖下一个词预测，在需要多步推理的任务上表现有限。LRM通过强化学习、搜索或蒸馏等技术，显式生成中间推理步骤，并利用自我验证与修正机制提高答案准确性。其核心挑战在于平衡推理深度与计算效率，以及避免错误累积。典型应用包括数学证明、代码生成和科学问题求解，推动了AI从感知向认知的跨越。