#路径多样性

DPT 方法提出：用路径多样性惩罚缓解大模型并行推理模式坍缩

论文指出基于强化学习的并行思维常出现推理路径同质化，削弱多假设探索的意义。作者提出 Diverse Parallel Thinking（DPT），通过惩罚并行路径前缀相似度奖励差异化推理策略，在多个推理基准上超过已有并行思维方法并开源代码。