5.2 KiB
可行性评估报告
评估目标：验证"思维图或其他图论应用，可以让32b大小的模型有极大的智能提升"
评估结论：✅ 可行，证据充分
评估日期：2026-07-03 评估者：Claude Code
一、核心论文分析
1.1 Topology of Reasoning (NeurIPS 2025)
论文: "Topology of Reasoning: Understanding Large Reasoning Models through Reasoning Graph Properties" (Minegishi et al., University of Tokyo & Google DeepMind)
这是最直接相关的论文，系统分析了不同规模模型（1.5B/7B/14B/32B）的推理图属性。
关键发现:
| 属性 | 32B 推理模型 vs 基础模型 | 与准确率的关系 |
|---|---|---|
| 循环性 (Cyclicity) | ~5次循环/样本 (基础模型 ~0) | 正相关。14B 达 100% 循环检测率，32B 循环数最多 |
| 图直径 (Diameter) | 32B 模型最大 | 强正相关。直径随模型规模递增，32B 最大直径对应最高 AIME 准确率 |
| 小世界指数 (Small-World) | ~6 倍于基础模型 | 高局部聚类 + 短全局路径 → 推理效率更高 |
核心贡献:
- 证明 SFT 优质数据可以系统性扩展推理图直径，同时提升性能
- 提供可操作的 SFT 数据集设计指南
- 论文代码开源: https://github.com/gouki510/Topology_of_Reasoning
1.2 Graph of Thoughts: Solving Elaborate Problems with LLMs (AAAI 2024)
论文: Besta et al., ETH Zurich
核心方法:
- 将 LLM 推理过程建模为任意有向图 (顶点 = 思考单元，边 = 依赖关系)
- 支持三种图变换: 生成 (Generation)、聚合 (Aggregation)、精炼 (Refinement)
- 图操作规范 (GoO) 可描述 CoT / CoT-SC / ToT / GoT 等所有提示方案
关键结果:
- 排序任务: 质量比 ToT 提升 62%，成本降低 >31%
- 集合操作: GoT 在所有实例上优于 IO / CoT / ToT
- 关键词计数: 4-passage 分割方案最优，错误率最低
- 使用模型: GPT-3.5 / GPT-4 / Llama-2
对 32B 的启示: GoT 是纯提示框架，不修改模型参数，可直接应用于任何 32B 模型。
1.3 Adaptive Graph of Thoughts (AGoT, 2025)
论文: Pandey et al., Agnostiq Inc.
核心创新:
- 动态 DAG 结构，在测试时递归分解复杂问题
- LLM 驱动的复杂度检查，仅对复杂节点递归展开
- 自终止机制，减少不必要的分支
- 统一了 Chain / Tree / Graph 三种范式的优势
关键结果 (使用 gpt-4o-mini):
- GPQA 科学推理: +46.2% 提升
- Game of 24: +400% (从 10% → 50%)
- 检索任务: 全部优于 IO / CoT / AIoT
- 无需模型修改，纯测试时增强
- 效果与计算密集型 RL 方法可比
对 32B 的启示: AGoT 的递归分解设计特别适合数学推理和规划任务， 这些正是 32B 模型的强项领域。动态扩展特性避免了不必要的计算浪费。
1.4 SaGoT: Self-attention-based Graph-of-Thought (ACL 2025)
论文: Bai et al., 中国移动九天团队
核心创新:
- 修改 Transformer 内部自注意力机制实现图结构推理
- 使用图结构自注意力生成推理步骤
- 无需额外训练，可无缝集成到预训练 LLM 中
- 提供内在可解释性
对 32B 的启示: 这是最深入的方案——不依赖外部提示工程， 而是改变模型内部的推理机制。如果成功，可能带来更根本的智能提升。
1.5 Grounding LLM Reasoning with Knowledge Graphs (2025)
核心发现:
- 在知识图谱数据上评估 CoT / ToT / GoT 策略
- 相比 CoT 基线在 GRBench 上 +26.5%
- 展示图结构提示在不同基础模型上的通用性
二、可行性评估矩阵
优势分析
| 维度 | 评估 | 证据强度 |
|---|---|---|
| 理论基础 | 推理图属性（循环/直径/小世界）与准确率强相关 | ⭐⭐⭐⭐⭐ |
| 方法成熟度 | GoT/AGoT/SaGoT 三种方法均已发表 | ⭐⭐⭐⭐ |
| 32B 直接证据 | Topology of Reasoning 论文直接研究 32B 模型 | ⭐⭐⭐⭐⭐ |
| 成本可控 | GoT 相比 ToT 降低成本 31%；AGoT 无训练成本 | ⭐⭐⭐⭐ |
| 开源生态 | Qwen2.5-32B, Distill-Qwen-32B, LLaMA-3-70B 均可用于移植推广 | ⭐⭐⭐⭐⭐ |
风险分析
| 风险 | 概率 | 影响 | 缓解措施 |
|---|---|---|---|
| 32B 模型对图提示的遵循度不如 GPT-4 | 中 | 高 | 增加 few-shot 示例，设计更强的 template |
| AGoT 计算开销过大 | 低 | 中 | 限制 lmax/dmax/nmax 参数 |
| SFT 效果不显著 | 中 | 中 | 使用 s1-v1.1 已验证数据集作为兜底 |
| 图属性因果方向不成立 | 低 | 高 | 消融实验直接验证 |
三、综合结论
可行。 三条技术路线均有望在 32B 模型上实现显著的智能提升：
-
测试时增强（GoT/AGoT） — 立即可用，无需模型修改， 预期在数学推理上 +20%~46%，规划任务上 +50%~400%
-
图感知 SFT 训练 — 主动塑造推理图结构， 已验证扩展推理图直径可同步提升性能
-
内部图注意力（SaGoT） — 最根本的方案， 改变 Transformer 内部推理机制
三条路径互补，建议按先易后难的顺序推进： Phase 2 (AGoT 测试时) → Phase 3 (SFT 训练) → SaGoT (内部机制)。