该工作的第一作者为香港大学计算机系博士生赵学亮。蚂蚁武威、关健为共同贡献者。

在 R1 与 O1 引领「深度推理」浪潮之后，大模型推理领域正迎来新的分叉点！

大模型推理的爆发，实际源于 scaling 范式的转变：从 train-time scaling 到 test-time scaling（TTS），即将更多的算力消耗部署在 inference 阶段。典型的实现是以 DeepSeek r1 为代表的 long CoT 方法：通过增加思维链的长度来获得答案精度的提升。那么 long CoT 是 TTS 的唯一实现吗？

针对这个问题，来自蚂蚁和香港大学自然语言组的研究团队（后简称「团队」）给出了 TTS 的另一种思路：让模型不仅「想得久」，更要「想得准」。

在这一思路下，团队提出了 DynaAct，该工作已经被 NeurIPS 2025 接收。

Title：DynaAct: Large Language Model Reasoning with Dynamic Action SpacesPaper：
https://arxiv.org/abs/2511.08043Code：https://github.com/zhaoxlpku/DynaAct

与传统 token-by-token 式的 CoT 不同，DynaAct 提出以 Action Space Optimization 为核心的 TTS 范式：在每一步推理中动态构建可选动作集合，并通过学习算法从中选择最优动作，从而让推理路径更高效、更具结构化。

为什么是 Action Space 优化？

当前主流 TTS 方法通过「更长的思维链」来提升性能，但随之而来的，是搜索空间爆炸与冗余思考。团队认为，推理效率的瓶颈并不在「算得不够多」，而在「选得不够好」。

DynaAct 将推理过程类比为决策序列：每一步的关键不是「生成什么」，而是「选择什么去执行」。

因此，它聚焦于如何自动学习、动态构建每一步推理的动作空间，并提出两条核心原则：

数据驱动——动作候选从真实推理数据中学习，而非人工规则生成；完备且紧凑——既覆盖潜在解，又避免冗余。

方法：

Submodular Optimization × MCTS

DynaAct 核心思想是将动作空间学习问题转化为集合选择问题，并通过子模优化（Submodular Optimization）来实现线性复杂度的算法。

子模优化的关键在于定义合适的子模函数（Submodular Function）。由于子模函数具备「集合越大，新增元素收益越小」的性质，因此可以贪心地构建一个子集，实现子集性质近似最优，同时算法复杂度维持在线性。

具体来说，DynaAct 定义的子模函数包括 utility 和 diversity 两个部分。前者度量动作空间与当前状态的相似度；而后者则刻画动作空间中动作的冗余度：

这样定义下的子模函数学习等价于学习动作和状态的 embedding。DynaAct 采用 Q-learning 来优化，希望利用学到的子模函数能最终选出最大化推理回报（reward）的动作空间。

代码亮点：

高效 MCTS 加速

在系统实现层面，团队开源了基于 vLLM 的高性能 MCTS 框架。该实现显著提升了节点扩展、Rollout 与 Reward 计算效率，为后续 TTS 研究提供了通用加速方案。

效果：

Smarter Space, Better Reasoning

在 6 项推理基准上，DynaAct 显著优于 CoT、RAP 与 rStar 等方法，验证了动态动作空间的有效性。

进一步分析显示，随着 MCTS Rollout 次数增加，DynaAct 呈现出稳定的 test-time scaling 趋势：

同时动作空间更小、延迟几乎不升：

展望：

从 Reasoning 走向 Smarter Search

DynaAct 证明了：TTS 的未来，不在更多计算，而在更聪明的搜索。

团队计划进一步探索：

将 Dynamic Action Space 扩展到 multi-agent 规划场景；将子模优化与强化学习结合，学习端到端的自适应推理策略；推出更高效的 MCTS 工具包，服务开源社区。