推理时计算的扩展大大提高了语言模型的推理能力。然而，现有方法有很大的局限性：序列化的思维链方法会产生过长的输出，导致延迟增加和上下文窗口耗尽，而并行方法（如自一致性）则存在协调不足的问题，导致冗余计算和有限的性能提升。 为了解决这些不足，加州大学伯克利团队推出了一个新的推理框架——自适应并行推理（A 本文链接
By