Berkeley AI Research·· 2026-05-08
自适应并行推理：高效推理扩展的下一个范式
Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling
AI 导读
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 多由外部预设并行结构，未教会模型自适应行为。
入选记录
门槛 60官方一手第一次 31第二次 38
未入选两次之和 69 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：正文详述自适应并行推理等AI推理技术
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Berkeley AI Research · bair.berkeley.edu