【推理新范式】DeepSeek R1的“慢思考”之外，DynaAct如何实现“动态行动”？一文看懂大模型推理的两种未来！

大模型本地部署_

墨衍会员 · AI 创作全网分发码龄6年

关注

原创最新推荐文章于 2026-10-26 14:54:33 发布 698 阅读 AI 写同款· GEO 优化 ›

webapi .net core8.0配置使用Token权限认证本人在网上找了很多版本，不是太复杂就是不行。阅读详情

该工作的第一作者为香港大学计算机系博士生赵学亮。蚂蚁武威、关健为共同贡献者。

在 R1 与 O1 引领「深度推理」浪潮之后，大模型推理领域正迎来新的分叉点！

大模型推理的爆发，实际源于 scaling 范式的转变：从 train-time scaling 到 test-time scaling（TTS），即将更多的算力消耗部署在 inference 阶段。典型的实现是以 DeepSeek r1 为代表的 long CoT 方法：通过增加思维链的长度来获得答案精度的提升。那么 long CoT 是 TTS 的唯一实现吗？

针对这个问题，来自蚂蚁和香港大学自然语言组的研究团队（后简称「团队」）给出了 TTS 的另一种思路：让模型不仅「想得久」，更要「想得准」。

在这一思路下，团队提出了 DynaAct，该工作已经被 NeurIPS 2025 接收。

Title：DynaAct: Large Language Model Reasoning with Dynamic Action Spaces
**Paper：**https://arxiv.org/abs/2511.08043
**Code：**https://github.com/zhaoxlpku/DynaAct

与传统 token-by-token 式的 CoT 不同，DynaAct 提出以 Action Space Optimization 为核心的 TTS 范式：在每一步推理中动态构建可选动作集合，并通过学习算法从中选择最优动作，从而让推理路径更高效、更具结构化。

一、为什么是 Action Space 优化？

当前主流 TTS 方法通过「更长的思维链」来提升性能，但随之而来的，是搜索空间爆炸与冗余思考。团队认为，推理效率的瓶颈并不在「算得不够多」，而在「选得不够好」。

DynaAct 将推理过程类比为决策序列：每一步的关键不是「生成什么」，而是「选择什么去执行」。

因此，它聚焦于如何自动学习、动态构建每一步推理的动作空间，并提出两条核心原则：

数据驱动——动作候选从真实推理数据中学习，而非人工规则生成；
完备且紧凑——既覆盖潜在解，又避免冗余。

二、方法：

Submodular Optimization × MCTS

DynaAct 核心思想是将动作空间学习问题转化为集合选择问题，并通过子模优化（Submodular Optimization）来实现线性复杂度的算法。

子模优化的关键在于定义合适的子模函数（Submodular Function）。由于子模函数具备「集合越大，新增元素收益越小」的性质，因此可以贪心地构建一个子集，实现子集性质近似最优，同时算法复杂度维持在线性。

具体来说，DynaAct 定义的子模函数包括 utility 和 diversity 两个部分。前者度量动作空间与当前状态的相似度；而后者则刻画动作空间中动作的冗余度：

这样定义下的子模函数学习等价于学习动作和状态的 embedding。DynaAct 采用 Q-learning 来优化，希望利用学到的子模函数能最终选出最大化推理回报（reward）的动作空间。

三、代码亮点：

高效 MCTS 加速

在系统实现层面，团队开源了基于 vLLM 的高性能 MCTS 框架。该实现显著提升了节点扩展、Rollout 与 Reward 计算效率，为后续 TTS 研究提供了通用加速方案。

四、效果：

Smarter Space, Better Reasoning

在 6 项推理基准上，DynaAct 显著优于 CoT、RAP 与 rStar 等方法，验证了动态动作空间的有效性。

进一步分析显示，随着 MCTS Rollout 次数增加，DynaAct 呈现出稳定的 test-time scaling 趋势：

同时动作空间更小、延迟几乎不升：

那么，如何系统的去学习大模型LLM？

作为一名深耕行业的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套《2025全新制作的大模型全套资料》，扫码获取~
在这里插入图片描述

👉大模型学习指南+路线汇总👈

我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。
在这里插入图片描述

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。
在这里插入图片描述

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。
在这里插入图片描述

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。
在这里插入图片描述

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
在这里插入图片描述
相信我，这套大模型系统教程将会是全网最齐全最易懂的小白专用课！！