@mdeng34: 前沿LLM正汇聚于高效、自适应推理。Opus 4.7让模型自行决定推理深度。GPT…

前沿大语言模型正在向高效、自适应推理收敛。Opus 4.7 让模型自行决定推理深度。GPT-5.5 以更少的推理 token 取得了出色结果。

我们研究了一个相关但更具结构性的问题：我们应该适应哪种类型的推理？

去年在 SiRA（上图）中，我们展示了模拟推理（系统 II）——使用世界模型评估行动后果——相较反应式基线（系统 I）最多可提升 124%，并且强大的推理模型（o1、o3-mini）在缺乏这种结构时无法胜任规划任务。

在我们的新论文 SR2AM（下图）中，我们引入了一个学习型配置器（系统 III），它能够自我调节何时进行模拟、模拟多远的前瞻，以及何时完全跳过规划。

高效推理不仅仅是更短的推理：更是对模拟的优化分配。

自调节模拟推理在实践中表现如何？

SR2AM-v0.1-8B 取得了与 GPT-OSS（120B）和 GLM-4.6（355B）相当的结果。

SR2AM-v1.0-30B 与 DeepSeek-V3.2（685B）和 Kimi-K2.5（1T）相比具有竞争力，其推理 token 比同类 30/32B 智能体大模型减少 26–95%。

强化学习训练的关键发现：模型学会了规划更远的前瞻（+22.8% 视野），而非更高频率（+2% 频率）。是分配，而非压缩。

这是一个基于语言世界模型的原型。敬请关注我们在多模态和物理世界模型方面的后续进展。

配置器（决定何时以及以多深程度启动推理过程）这一概念并非仅限于规划，而是可扩展至未来的学习和适应。

SR2AM: https://arxiv.org/abs/2605.22138 SiRA: https://arxiv.org/abs/2507.23773 Project: https://sailing-lab.github.io/sr2am-self-regulated-planning… Code: https://github.com/sailing-lab/sr2am…

SR2AM-v0.1-8B: https://huggingface.co/sailing-lab/SR2AM-v0.1-8B… SR2AM-v1.0-30B: https://huggingface.co/sailing-lab/SR2AM-v1.0-30B…

联合工作：@jinyuhou0, @larasnevess, @varad0309, @tw_killian, @waterluffy, @ericxing

确实如此！感谢您的精辟总结。

我们的工作基于强化学习（Sutton & Barto），但提出了关于决策含义和结构的新见解。