推理大模型可视化实验室
拆解 2026 年推理大模型的核心机制——思维链、测试时计算、过程奖励、思维树搜索、自洽性投票与推理蒸馏，以可交互 SVG 可视化呈现 o1/o3、DeepSeek-R1、QwQ、GPT-5 reasoning 的"慢思考"原理。
思维链推理 Chain-of-Thought
推理模型在给出答案前先输出一段中间推理步骤，将复杂问题分解为可验证的子步骤。点击"开始推理"逐步展开 CoT 链路，切换对比可观察"直接回答"与"思维链"的差异。
测试时计算 Test-Time Compute
推理模型在推理阶段花费更多"思考 token"通常能换取更高准确率，但边际收益递减、计算成本递增。拖动滑块调整思考预算，观察慢思考与快思考曲线的 tradeoff。
过程奖励模型 Process Reward Model
PRM 对推理链中每一步打分，而非只评最终答案。绿色节点表示高分步骤、红色表示低分步骤。点击节点查看奖励分数，best-of-N 采样会沿最高累积奖励路径选择最优推理链。
推理模型架构对比
不同推理大模型采用不同训练范式与推理策略：o1/o3 走大规模 RL 学习"如何思考"，DeepSeek-R1 用纯 RL（GRPO）从基础模型直接激发推理，QwQ 基于 Qwen2.5 长上下文 RL，GPT-5 reasoning 融合多范式。点击下方模型卡片切换。
思维树搜索 Tree of Thoughts / MCTS
蒙特卡洛树搜索将推理建模为搜索过程：选择（UCB）→ 扩展 → 评估 → 回溯更新价值。点击"单步搜索"逐步走完四个阶段，观察节点扩展与价值反向传播。
自洽性与多数投票 Self-Consistency
对同一问题采样多条独立推理路径，对最终答案做多数投票。正确答案往往被多条路径一致命中。调整采样数 N，观察答案分布与投票结果。
推理链压缩与蒸馏 Reasoning Distillation
教师模型（长 CoT，数千思考 token）的知识被蒸馏到学生模型（短 CoT）。学生学会精炼推理，token 数大幅下降而准确率接近保持。点击切换对比教师/学生推理链。
推理模型评估基准 Benchmarks
雷达图对比推理模型在五大基准上的表现：AIME（奥数）、MATH（竞赛数学）、GPQA（研究生级科学）、Codeforces（竞技编程）、ARC-AGI（抽象推理）。下拉选择模型，雷达图动态更新。