# 多步推理

大模型多步推理的测试时搜索长期在两种不完美信号之间取舍：事后投票保留多样性却无法把生成引向正确路径，束搜索式验证器引导能提前干预却容易过度集中并放大验证器误差。VGSC把逐步正确性与未来结果预测合成一个接受权重，在解码时对候选步做有上限的拒绝重采样，同时保留多条轨迹做最终自洽投票。在五个推理基准、Qwen2.5 Math 1.5B Instruct生成器与Qwen2.5 Math PRM 7B验证器下，VGSC在验证器信任指数为10时取得63.1%的平均准确率，高于最强非VGSC基线BS+SC-Future的60.7%。

大模型多步推理的测试时搜索长期在两种不完美信号之间取舍：事后投票保留多样性却无法把生成引向正确路径，束搜索式验证器引导能提前干预却容易过度集中并放大验证器误差。VGSC把逐步正确性与未来结果预测合成一个接受权重，在解码时对候选步做有上限的拒绝重采样，同时保留多条轨迹做最终自洽投票。在五个推理基准、Qwen2.5 Math 1.5B Instruct生成器与Qwen2.5 Math PRM 7B验证器下，VGSC在验证器信任指数为10时取得63.1%的平均准确率，高于最强非VGSC基线BS+SC-Future的60.7%。

分子克隆需要从选材、设计序列到规划多步反应的整体推理，而现有模型只在单步任务上表现可靠。BenchBench-Cloning 用65个取自真实实验的克隆任务检验端到端设计能力，分为完整方案设计与构建体设计两类。GPT-6 Astra 单次尝试解出30.6%的任务，领先 GPT-6.1 Sol 的22.2%和 Claude Opus 5.5 的20.5%；同一模型在十次尝试内可解出72%的方案设计任务，而单次为27%。

分子克隆需要从选材、设计序列到规划多步反应的整体推理，而现有模型只在单步任务上表现可靠。BenchBench-Cloning 用65个取自真实实验的克隆任务检验端到端设计能力，分为完整方案设计与构建体设计两类。GPT-6 Astra 单次尝试解出30.6%的任务，领先 GPT-6.1 Sol 的22.2%和 Claude Opus 5.5 的20.5%；同一模型在十次尝试内可解出72%的方案设计任务，而单次为27%。

HyperThink 提出一种文本到参数的方法：轻量超网络读取问题并预测基础大模型一小部分参数的更新，向量量化解码器把这些更新约束为有限的可复用模式，端到端在基础模型自身输出上训练；测试时一次超网络前向即可让适配后的模型直接生成简洁的分步解答与最终答案，不再产生中间思维链，用更少 token 保持较强推理性能，并在数学与通用推理任务的准确率—延迟权衡中改善低延迟区间，在接近非思考的区间增益最强。

HyperThink 提出一种文本到参数的方法：轻量超网络读取问题并预测基础大模型一小部分参数的更新，向量量化解码器把这些更新约束为有限的可复用模式，端到端在基础模型自身输出上训练；测试时一次超网络前向即可让适配后的模型直接生成简洁的分步解答与最终答案，不再产生中间思维链，用更少 token 保持较强推理性能，并在数学与通用推理任务的准确率—延迟权衡中改善低延迟区间，在接近非思考的区间增益最强。