# 下一步工作计划：构建可靠推理工具

> 目标：基于图增强推理的研究成果，构建一个让小型 LLM 也能
> 可靠作答、不犯错的实用工具。

---

## 当前进展总结

我们已经完成：

- ✅ 5 篇核心论文的可行性分析
- ✅ AGoT 核心算法实现 + 验证
- ✅ 基线评测框架（IO/CoT/CoT-SC/ToT）
- ✅ 推理图属性分析工具
- ✅ 初步实验数据（GSM8K/MATH/中文支持）

## 核心发现

1. **AGoT 有效**：在样本测试中达到 100%（vs CoT 80%）
2. **图属性与能力相关**：推理模型的图属性（循环、直径、小世界）更强
3. **主要瓶颈是计算成本**：AGoT 需要 ~7x CoT 时间

## 下一步建议

### 选项 A：构建"可靠推理器"工具（推荐）

将 AGoT 包装为实用工具，核心思路是**分级推理 + 内置验证**：

```
输入问题
  │
  ├─ 快速通道 (IO)       → 简单问题 < 1秒
  │    └─ 置信度 < 阈值？
  │        └─→ 标准通道 (CoT) → 中等问题 < 30秒
  │              └─ 置信度 < 阈值？
  │                  └─→ 深度通道 (AGoT) → 困难问题 < 3分钟
  │                        └─ 验证器检查答案
  │                            └─ 不一致？重新推理
  │
  └─ 输出: 答案 + 推理图 + 置信度
```

**关键组件**：
- 置信度估计（基于推理图的节点评分聚合）
- 验证器 Agent（独立验证答案正确性）
- 图可视化（人类可读的推理过程）

### 选项 B：扩大实验规模

在更多数据上验证 AGoT 的效果：

| 实验 | 说明 | 预期耗时 |
|------|------|---------|
| GSM8K 完整 200 样本 | 统计显著对比 | ~1.5 小时 |
| MATH 完整 500 样本 | 竞赛数学验证 | ~5 小时 |
| 跨模型测试 | qwq + AGoT | ~3 小时 |
| CMATH 完整中文 | 中文数学对比 | ~2 小时 |

### 选项 C：图感知 SFT 训练（Phase 3）

用 AGoT 生成的高质量推理轨迹训练模型，使其在普通 CoT 下也能展现图结构推理：

1. 用 AGoT 在验证集上生成推理轨迹
2. 只保留回答正确的轨迹（自蒸馏）
3. 用 LoRA 微调 Qwen2.5-32B
4. 验证微调后推理图属性的变化

## 建议优先级

```
立即:
  构建"可靠推理器"MVP
  ├─ 置信度估计模块
  ├─ 验证器 Agent
  └─ 分级推理调度器

本周:
  在完整 GSM8K 上验证
  加入中文数学完整测试

下阶段:
  AGoT 自蒸馏 + LoRA 微调
  多模型图聚合推理
```