大语言模型基于路径多样性的并行思考研究

针对强化学习（RL）并行思考中推理路径退化趋同的模式坍塌问题，研究人员提出了 Diverse Parallel Thinking（DPT）方法以提升推理路径多样性。DPT 通过惩罚并行思考路径的前缀相似度，激励模型探索差异化的推理策略，并在多个推理 benchmark 上超越此前基线达到 SOTA 性能，相关代码已开源。