推理前沿综述：推理时扩展、学会推理与智能体系统

当一个大模型答对一道难题时，功劳该记在训练阶段还是推理阶段，这个问题正变得难以回避。标题把三件事并置在一起：推理时扩展、学会推理、智能体系统，它们分别指向“多给算力能不能换来更好的推理”“推理能力能否被训练出来”“推理一旦被放进会调用工具、连续执行多步的系统里会变成什么样”。在推理模型与智能体被高频讨论的阶段，这三个问题同时被摆上台面，因此一份试图把它们放进同一框架里梳理的综述，值得先看它怎么切分这条链条。读它的正确姿势，不是去找某个单点结论，而是看它如何组织问题。

从标题即可确认，这份资料采取的是综述形态，覆盖范围横跨上述三个主题，而不是只做单点实验。它由 arXiv 发布，属于公开论文，全文 PDF 可以免费下载，读者能直接核对原始论述。材料把它归入大模型、推理、安全三个方向，说明在编辑视角上它与这三个议题都相关。至于它检索了哪些文献、按什么标准筛选、覆盖到哪个时间截面，现有材料没有交代，只能回到原文确认。

把三个关键词读成一条链，是我依据标题做的解读，不是原文已经给出的结论。链条的起点是“学会推理”，也就是训练阶段用什么信号、什么数据，让模型形成可迁移的推理行为。中段是“推理时扩展”，在参数不变的前提下把更多计算投入到生成过程本身，看能否换来更稳的答案。末端是“智能体系统”，推理不再是一次性输出，而被拆成规划、调用、观察、修正的多步循环。三者值得放在一起看，因为任何一环的结论都会改变另外两环的评价方式。

必须说清楚的是，现有材料没有提供任何具体数字、实验对比或定量结论，没有基准名称，没有提升幅度，也没有模型规模。因此在这里无法逐条讲清“关键发现与数字”，任何声称某方法提升了多少的说法，都不应挂在这份资料上。可以确认的只有主题归属与形态：它是一份面向推理前沿的综述，方向标签包含大模型、推理与安全。安全这一项与另外两个主题并列出现，但它具体讨论什么、与推理如何关联，材料没有说明，不宜替它补全。

如果这条链的读法大致成立，它对实践的影响是可以感知的。评估一个模型的推理表现时，只看训练配方会失真，还要问推理阶段给了多少预算，换句话说，同等参数下的差距可能来自“想多久”，而不是“学了什么”。一旦推理进入智能体，单步的小偏差会沿多步执行累积，评价标准就得从“这一步答对没有”转向“整条轨迹有没有收敛”。这些都是解读层面的推论，需要原文的具体论证来支撑或修正。

对做大模型推理、评测或智能体工程的人来说，这份资料更适合当作一张选题地图：它把三个高频词放进同一个讨论面，便于判断自己的问题落在哪一段，也便于顺着关键词去原文里找相关工作。能拿走的是问题框架和检索入口，不是可以直接引用的数字或结论，材料里并没有这些。边界也正在这里：在核对全文之前，标题给出的是范围，不是答案。