Berkeley AI Research 解析 Adaptive Parallel Reasoning：高效推理扩展的下一个范式

Berkeley AI Research 发布对并行推理领域的综述分析，主张让模型自主决定何时分解任务、并行多少线程以及如何协调。文章指出串行推理 token 线性增长会导致上下文过载（context-rot）和长达数十分钟的延迟，并评述了 ParaThinker、GroupThink、Hogwild! Inference 等近期方法，指出现有方法的并行结构仍由外部固定设定，而非模型自适应决定。