近年來，大語言模型（LLMs）在復雜推理任務上的能力突飛猛進，這在很大程度上得益于深度思考的策略，即通過增加測試時（test-time）的計算量，讓模型生成更長的思維鏈（Chain-of-Thought）。

然而，這條路徑正面臨著一個明顯的瓶頸：隨著計算資源的持續投入，性能提升變得微乎其微，甚至陷入停滯。

來自清華大學 AIR 的一篇最新研究論文《ParaThinker: Native Parallel Thinking as a New Paradigm to Scale LLM Test-time Compute》對這一瓶頸發起了挑戰 。

該研究一針見血地指出，這個單鏈 test time scaling 的天花板并非模型能力的固有極限，而是源于當前順序推理策略的根本缺陷 —— 一種被研究者稱為「隧道視野」（Tunnel Vision）的現象。

為此，團隊提出了模型原生的并行化思考方案，訓練 LLM 在一次推理中同時生成和綜合多個不同的推理路徑，從而有效規避「隧道視野」問題，解鎖模型潛在的推理能力。

該研究證明，與串行擴展計算深度相比，并行擴展計算寬度是一種更有效、更高效的推理策略。

論文標題：ParaThinker: Native Parallel Thinking as a New Paradigm to Scale LLM Test-time Compute作者：Hao Wen*, Yifan Su*, Feifei Zhang, Yunxin Liu, Yunhao Liu, Ya-Qin Zhang, Yuanchun Li (*Equal Contribution)機構：清華大學論文地址：https://arxiv.org/pdf/2509.04475

隧道視野：深度思考的阿喀琉斯之踵

擴展瓶頸（Scaling Bottleneck）：如下圖所示，對于單個推理路徑（P=1），當投入的計算資源（即 Token 預算）超過一定限度后，模型準確率便不再提升，甚至可能下降，這表明「想得更久」并不能持續帶來回報。

隧道視野（Tunnel Vision）：LLM 在生成思維鏈的初期，一旦邁出有瑕疵的第一步，就很容易被鎖定在一條次優的推理路徑上，難以在后續步驟中糾正或發現更優的解法 。模型仿佛走進了一條狹窄的隧道，無論走多遠，都無法擺脫最初錯誤方向的束縛。

如下圖 (b) 所示，研究者進行了一項實驗：他們故意讓模型從一個錯誤的推理前綴開始繼續生成答案。結果顯示，錯誤的前綴越長，模型最終能夠 “撥亂反正” 得到正確答案的概率就越低。這證明了 LLM 一旦陷入錯誤的思維定式，就很難自行跳出。

新范式：從「深度」到「廣度」

原生并行思考（Native Parallel Thinking）的核心思想是，與其讓模型在一條路徑上「死磕」，不如讓它同時探索多條不同思路的推理路徑，最后再綜合提煉出最優答案。

為此，研究團隊推出了一個名為 ParaThinker 的端到端框架。該框架能夠訓練 LLM 在一個統一的前向傳播過程中，并行生成多個多樣化的推理路徑，并將它們融合成一個更高質量的最終答案。

ParaThinker 的實現主要依靠三大核心創新：

此外，一個關鍵的工程優勢在于，ParaThinker 在匯總階段能夠重用并行推理過程中生成的 KV 緩存。這極大地節省了計算資源，避免了昂貴的重新計算（re-prefilling），使得整個過程的延遲開銷極小。

超越 Majority Voting 與簡單任務分解

并行推理并非一個全新的概念，類似「多數投票」（Majority Voting）的方法早已被用于提升模型在選擇題或數值計算等任務上的表現。但這類方法的局限性也十分明顯：它們依賴于可被輕易量化和驗證的答案格式，而對于代碼生成、數學證明、復雜智能體工作流等開放式、生成式的任務則束手無策。

ParaThinker 的優越性正在于此。它不是簡單地對多個獨立結果進行投票，而是學習如何智能地「整合」與「提煉」來自不同推理過程的信息。這使其成為一種更通用、更強大的并行推理框架，能夠處理無法被簡單投票的復雜任務，真正釋放了并行思考的潛力。

在并行推理的探索道路上，除了 ParaThinker，近年來也涌現出其他值得關注的思路，例如以 Multiverse（https://arxiv.org/abs/2506.09991）為代表的工作，但其主要目標側重效率：根據原文分析，這些方法的主要目標是加速生成過程，即讓模型「做得快」，而不是直接致力于提升最終答案的準確性。

此外，其任務分解依賴任務結構：它們的成功很大程度上依賴于任務本身是否適合被顯式地分解。對于許多不可分解的、需要整體性思維的復雜問題，這種方法的適用性便會受限。

相比之下，ParaThinker 提供了一種更具普適性的并行范式。它不假設任何子任務結構，也不試圖對問題進行拆解。ParaThinker 的核心目標是通過思維的多樣性來提升準確性。

實驗結果：正確率隨思維廣度有效提升

在 AIME、AMC、MATH-500 等難度基準上，1.5B 參數模型用 8 條并行路徑，平均準確率提升12.3%；7B 模型提升7.5%

延遲開銷較低：推理延遲并不隨著同時思維鏈數而線性增長，在 batch size=1 時，并行路徑數增加了 8 倍，但延遲僅增加了約 10%，這體現了并行計算在硬件層面的巨大優勢。

與多數投票（Majority Voting）的結合

ParaThinker 與 majority voting 策略（即生成 k 個獨立答案，選擇出現次數最多的那個）并不沖突，兩者疊加可以達到更高的正確率。

ParaThinker 教會大模型像人類一樣「頭腦風暴」，并行探索多種思路，再整合成最優答案。它預示著未來 LLM 的規模化發展之路，將從單純的「深度」擴展轉向更有效的「廣度」擴展。