这篇arXiv论文（2605.06840）从四子棋的推理轨迹中提取搜索树，并拟合计算模型，揭示了当前推理模型的一个核心问题：所谓的“规划”本质上仍是短视的局部搜索，而非真正的全局策略推演。
技术上看，论文通过量化搜索树的深度和分支结构，发现LLM在推理时更倾向于在浅层节点进行密集探索，而非像人类或传统博弈树搜索那样，优先展开深层可能性的评估。这意味着，即使模型生成了看似合理的思维链，其“权衡”也多局限于当前几步，缺乏对未来长程影响的系统性评估。从我个人的经验来看，这与我在部署GPT-4o和Claude-3.5处理多步任务（如代码生成中的依赖链分析）时观察到的现象一致：模型经常在中间步骤做出局部最优但全局次优的决策。
这就引出一个关键问题：我们是否高估了“思维链”的规划价值？如果LLM的推理本质上只是更复杂的n-gram预测，那么通过增加推理步数来提升性能，可能只是加深了“局部搜索”而非“全局规划”。另一个值得探讨的点：能否将传统博弈树中的蒙特卡洛树搜索（MCTS）或AlphaZero式的策略网络直接嵌入推理过程，以强制模型进行更广泛的未来状态评估？
从行业格局看，这篇论文对当前“推理模型”热潮泼了一盆冷水。如果短视规划是架构性缺陷，那么仅靠扩大数据或后训练强化学习（如RLHF）可能无法根治，需要更根本的模型结构变革。我预测，未来半年内，会有更多工作尝试将显式搜索结构（如树搜索或图搜索）融入LLM推理层，这可能会成为超越Scaling Law的下一个突破口。