设想图书馆要处理两份资料：甲需要10分钟，乙需要15分钟，两台机器可以同时工作；最后合并需要5分钟，必须等两份都完成。忽略切换耗时，最快多久结束？
有人把三个数相加，答30分钟。也有人画出时间线：两台同时启动，第15分钟两份都完成，再合并5分钟，答案是20分钟。
数字和条件都是自拟教学题。差别不在于谁写了更多字，而在于有没有区分“同时做”和“必须等”。让模型增加中间计算，能否帮助它保留这些关系？
中间步骤如何参与后面的答案
普通直接回答，可以让模型读完题后立即生成结果。另一种方法，在提示中提供含中间步骤的示范，让模型在类似问题上也先展开步骤，再输出结论。2022年Wei等人的研究系统展示了这种思维链提示，简称CoT，在若干推理任务中的效果。1
对于我们的题，一份可核对的解答会先明确甲乙可以并行，再计算两者全部完成的时刻，最后加上合并时间。写出“第15分钟两份完成”后，这段文字成为后续计算可以利用的上下文，降低最后一步还要同时处理所有原始条件的负担。
这解释了中间步骤可能有用的路径，却不是说显示出来的文字完整揭示了神经网络内部计算。读者能检查公开解答是否成立，不能据此认为自己看到了模型所有真实内部过程。
也不能将那项研究概括为“任何模型加一句请逐步思考都会更准”。结果依赖模型、任务、提示和评价方式。论文中的逐步示范，与今天各产品的内部推理机制更不能直接画等号。
让学生使用草稿纸，是提供一种计算条件。草稿纸本身没有负责把30偷偷改成20。
多写一遍，和真正检查不是一回事
设想一个错误解答写：“甲10分钟，乙15分钟，合并5分钟，所以总共30分钟。再次检查，10加15加5确实等于30。”
它检查了加法，没有检查并行条件。第二遍算得越认真，错误结论看起来越结实。
真正针对这道题的验证，要把候选答案放回约束：如果甲从第0到第10分钟，乙从第0到第15分钟，合并从第15到第20分钟，每个操作都符合条件；而合并不可能早于第15分钟开始，因此20也是这个设定下的下限。
这份验证同时提供可行安排和不能更早的理由。它不依赖一句“我确认过了”。如果题目改成只有一台机器，第一步并行不再合法，答案才变成30分钟。
2022年的自一致性研究采用另一种办法：为同一题采样多条推理路径，再看最终答案的一致性，而不是只选一条生成路径。2
设想几条路径分别画时间线、先算瓶颈、列开始结束时刻，都得到20，可以增加选择这个答案的依据。但若所有路径都忽略“两台”，它们也可能整齐地投票给30。多个输出共享模型与资料，错误未必独立。全体起立，也可能只是全体坐错了车。
训练时练推理，与回答时多计算要分开
前两种办法主要改变回答过程：同一个模型，提供中间步骤的条件，或者让它生成并比较更多候选。还有一种办法，在训练时就更有针对性地改善解题行为。
设想我们有大量条件清楚、答案可验证的任务。模型生成候选解答后，程序核对最终数值或运行提交的代码，用结果提供反馈，再更新模型参数。训练因此增加了成功解题行为的倾向。
2025年的DeepSeek-R1研究展示了强化学习用于推理的一条代表路线。需要区分R1-Zero与R1：前者探索在已预训练基础模型上直接开展相应强化学习，后者还包含冷启动数据和其他训练阶段。它们都不是从完全空白、没有语言预训练的状态开始。3
对于数学和程序任务，规则核对或测试有时能提供相对明确的反馈。对于“这篇散文感不感人”，不存在同样方便的标准答案按钮。训练方法能扩展多远，受到可用反馈的质量与范围约束。
还要防止记错功劳：模型经过训练变得更善于使用中间步骤，是参数变化；给它更长的本次计算预算，是使用条件变化。两者可以结合，但“等了十秒”本身并不能证明发生了新的训练。
时间花在哪儿，比等多久更重要
设想同一道图书馆题，有三个方案。一个立即回答；一个写很长的情境描述；一个建立时间线并检查约束。后两个都更慢，只有第三个增加了直接支持结论的操作。
所谓回答时增加计算，可以用于生成更长的候选过程、搜索不同路径、调用验证工具或比较结果。不同做法的成本与收益不同。即使某个任务平均受益，也不能保证每一道题单调改善。
如果前提缺失，例如“乙是否必须等甲”，再多内部推演也不能确定用户没有提供的规则。此时有效进展可能是指出条件差异，而不是继续在同一条假设上加盖三层推理阁楼。
这把我们与上一章的检索联系起来：有些错误需要更多已知条件下的计算，有些需要外部证据。它们可以合作，却不能相互冒充。找不到规章，不是再加几遍分钟数能解决的；时间线算错，也不是引用十个网站就会变对。
开篇的答案是：多计算有机会减少错误，前提是额外步骤帮助保留条件、探索方案或验证结果。真正有用的“多想”，应在答案背后增加可以检查的依据。
两台机器最早第20分钟完成工作。至于模型花了多久宣布这个结果，是另一张账单。