OpenAI的o1模型展示了在测试时计算方法（Test-time Compute methods）可以显著提升LLMs的推理能力，但其背后的机制尚未被充分探索。
Best-of-N (BoN)：让LLMs为给定的输入生成多个N个输出，然后选择最合适的响应作为输出。
Step-wise BoN：使LLMs分析问题并将其分解为几个子问题。对于每一步，模型基于之前的子问题和答案生成N个响应，然后使用奖励模型来选择最佳响应。这个过程迭代进行，直到获得原始问题的最终答案。
Self-Refine：通过迭代反馈和细化来改进LLMs的初始输出。
Agent Workflow：LLM代理将复杂任务分解为更小的子任务，通过结构化的工作流程规划它们的执行，并使用各种工具来实现目标。对于常识推理数据集，研究者利用现有的最先进的代理框架进行评估。对于代码和数学数据集，选择了GPTs中的顶级代理，分别是代码 copilot和数学求解器。
实验结果：
o1模型在大多数数据集上表现最佳，特别是在编程和数学任务上。 自我完善方法的性能提升不显著。 BoN在HotpotQA上表现相对较好，但在Collie上性能下降。 Step-wise BoN在复杂任务上受限。 Agent Workflow在所有基准测试中表现显著提升，但仍与o1模型有差距。
尽管o1模型总体上比其他模型表现得更好，但在某些特定任务中，一些测试时计算方法仍然能够取得与o1相近的结果。为此，分析了o1在不同任务中的推理模式，并总结了6种跨不同基准测试的推理模式，其中，DC和SR是最常用的推理模式，可能是o1成功的关键。
不同基准测试上不同推理模式的统计数据
系统分析（SA）。从问题的整体结构开始，o1首先分析输入和输出以及约束条件，然后决定算法的选择和数据结构的使用。
方法重用（MR）。对于一些可以转化为经典问题的问题（例如最短路径或背包问题），o1可以快速重用现有方法来解决它们。
分而治之（DC）。它将复杂问题分解为子问题，并通过解决子问题来构建整体解决方案。
自我完善（SR）。o1在推理过程中评估其推理过程，以确定是否存在任何问题并纠正任何错误。
上下文识别（CI）。对于一些需要额外信息输入的数据集（例如HotpotQA），o1首先总结与查询相关的上下文的不同方面，然后给出相应查询的响应。
强调约束（EC）。对于一些对生成文本有约束的数据集（例如Collie），o1通常在推理过程中强调相应的约束。
在COLLIE任务中，模型需要生成一个段落，这段落不仅要遵守特定的文本生成约束，还要确保内容的准确性和相关性。o1模型通过多次强调指令，强化了对这些约束的遵循，这对于需要严格控制生成内容的任务至关重要。
o1模型在美国计算机奥林匹克（USACO）竞赛中的表现，该竞赛专注于算法和问题解决技能。o1模型通过建立基础框架开始，定义关键变量和数据结构，然后应用算法逻辑进行状态转换，逐步产生最优解。此外，o1模型不仅考虑了所有可能的路径和场景，还使用了循环、递归等方法来严格验证每一步，这有助于o1全面覆盖问题的多个方面，并有效生成正确的解决方案。
https://arxiv.org/pdf/2410.13639A COMPARATIVE STUDY ON REASONING PATTERNS OF OPENAI’S O1 MODELhttps://github.com/Open-Source-O1/o1_Reasoning_Patterns_Study
推荐阅读
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
