DynaAct：DeepSeek R1之外，探索大模型推理的另一條道路

該工作的第一作者為香港大學計算機系博士生趙學亮。螞蟻武威、關健為共同貢獻者。

在 R1 與 O1 引領「深度推理」浪潮之后，大模型推理領域正迎來新的分叉點！

大模型推理的爆發，實際源于 scaling 范式的轉變：從 train-time scaling 到 test-time scaling（TTS），即將更多的算力消耗部署在 inference 階段。典型的實現是以 DeepSeek r1 為代表的 long CoT 方法：通過增加思維鏈的長度來獲得答案精度的提升。那么 long CoT 是 TTS 的唯一實現嗎？

針對這個問題，來自螞蟻和香港大學自然語言組的研究團隊（后簡稱「團隊」）給出了 TTS 的另一種思路：讓模型不僅「想得久」，更要「想得準」。

在這一思路下，團隊提出了 DynaAct，該工作已經被 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

與傳統 token-by-token 式的 CoT 不同，DynaAct 提出以 Action Space Optimization 為核心的 TTS 范式：在每一步推理中動態構建可選動作集合，并通過學習算法從中選擇最優動作，從而讓推理路徑更高效、更具結構化。

為什么是 Action Space 優化？

當前主流 TTS 方法通過「更長的思維鏈」來提升性能，但隨之而來的，是搜索空間爆炸與冗余思考。團隊認為，推理效率的瓶頸并不在「算得不夠多」，而在「選得不夠好」。

DynaAct 將推理過程類比為決策序列：每一步的關鍵不是「生成什么」，而是「選擇什么去執行」。

因此，它聚焦于如何自動學習、動態構建每一步推理的動作空間，并提出兩條核心原則：

• 數據驅動——動作候選從真實推理數據中學習，而非人工規則生成；
• 完備且緊湊——既覆蓋潛在解，又避免冗余。

方法：

Submodular Optimization × MCTS

DynaAct 核心思想是將動作空間學習問題轉化為集合選擇問題，并通過子模優化（Submodular Optimization）來實現線性復雜度的算法。

子模優化的關鍵在于定義合適的子模函數（Submodular Function）。由于子模函數具備「集合越大，新增元素收益越小」的性質，因此可以貪心地構建一個子集，實現子集性質近似最優，同時算法復雜度維持在線性。

具體來說，DynaAct 定義的子模函數包括 utility 和 diversity 兩個部分。前者度量動作空間與當前狀態的相似度；而后者則刻畫動作空間中動作的冗余度：

這樣定義下的子模函數學習等價于學習動作和狀態的 embedding。DynaAct 采用 Q-learning 來優化，希望利用學到的子模函數能最終選出最大化推理回報（reward）的動作空間。

代碼亮點：

高效 MCTS 加速

在系統實現層面，團隊開源了基于 vLLM 的高性能 MCTS 框架。該實現顯著提升了節點擴展、Rollout 與 Reward 計算效率，為后續 TTS 研究提供了通用加速方案。

效果：

Smarter Space, Better Reasoning

在 6 項推理基準上，DynaAct 顯著優于 CoT、RAP 與 rStar 等方法，驗證了動態動作空間的有效性。

進一步分析顯示，隨著 MCTS Rollout 次數增加，DynaAct 呈現出穩定的 test-time scaling 趨勢：

同時動作空間更小、延遲幾乎不升：

展望：

從 Reasoning 走向 Smarter Search

DynaAct 證明了：TTS 的未來，不在更多計算，而在更聰明的搜索。

團隊計劃進一步探索：

• 將 Dynamic Action Space 擴展到 multi-agent 規劃場景；
• 將子模優化與強化學習結合，學習端到端的自適應推理策略；
• 推出更高效的 MCTS 工具包，服務開源社區。