https://x7peeps.com/tags/GRPO/index.htmlHugozh-CNMon, 06 Jul 2026 17:08:21 +0000https://x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/%E6%8E%A8%E7%90%86%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E8%8C%83%E5%BC%8F%E4%BB%8EChain-of-Thought%E5%88%B0Test-Time-Compute-Scaling/index.htmlMon, 06 Jul 2026 17:08:21 +0000https://x7peeps.com/AI/01-LLM%E5%8E%9F%E7%90%86%E4%B8%8E%E5%B7%A5%E7%A8%8B/%E6%8E%A8%E7%90%86%E6%A8%A1%E5%9E%8B%E6%8A%80%E6%9C%AF%E8%8C%83%E5%BC%8F%E4%BB%8EChain-of-Thought%E5%88%B0Test-Time-Compute-Scaling/index.html推理模型技术范式：从 Chain-of-Thought 到 Test-Time Compute Scaling 大语言模型的能力边界正在经历一次根本性的重构。2024 年 9 月，OpenAI 发布 o1 推理模型，首次在商业产品中实现了测试时计算缩放（Test-Time Compute Scaling）——让模型在回答问题之前"思考"更长时间，从而大幅提升推理准确率。这一范式转变标志着 LLM 从单纯追求"训练时参数规模"转向"推理时计算投入"的新时代。