推理到底在解什么目标函数？HN 热议「推理即寻路」长文

gmays · hn · 2026-11-11

Hacker News 讨论 Alex Wang 的博文《What objective is reasoning solving?》（Reasoning as Pathfinding），追问一个根本问题：LLM 的「推理」究竟在优化什么目标？

文章把推理重新框定为寻路（pathfinding）问题：模型并非在训练目标中直接学会推理，而是在预训练目标与推理时搜索之间架起桥梁——推理过程像在巨大的可能性空间中寻找通往正确答案的路径。HN 评论围绕该框架与现有 scaling、RLHF/RLVR 训练目标的关系展开讨论，涉及推理能力能否被当前目标函数真正优化、以及推理时计算（test-time compute）在其中扮演的角色。适合想深入理解推理模型机理的读者阅读原文与讨论。