📌 论文信息

📝 项目	详情
标题	Deep Think with Confidence (DeepConf)
作者	Yichao Fu (UCSD), Xuewei Wang (Meta AI), Yuandong Tian (Meta AI), Jiawei Zhao (Meta AI)
机构	Meta AI & UC San Diego
项目主页	jiaweizzhao.github.io/deepconf

---

🚀 背景与问题

近年来，大语言模型（LLMs）在 数学推理、复杂问答、科学问题 等任务上表现优异。

一种常见的强化方法是 Self-Consistency (多数投票)：

• 让模型生成多条 思维链 (Chain of Thought, CoT)。
• 最终通过多数投票选出答案。

但该方法存在明显的缺陷：

1. 算力成本极高

   ：可能需要生成上百甚至上千条链。

2. 低质量链干扰

   ：一些“水链”会拖累投票结果。

3. 边际收益递减

   ：随着链数增加，提升越来越有限。

这为 DeepConf 的提出埋下了伏笔：如何减少冗余推理、避免“水链”，提升效率与可靠性？

---

💡 DeepConf 技术方案

核心思路：让模型在生成推理链的同时，对自己的置信度进行“自我评估”。

DeepConf 通过多种 置信度指标 来判断一条推理链是否可信：

• Token Confidence

  ：单个 token 的概率分布是否尖锐，越集中说明越自信。

• Group Confidence

  ：将 token 分组，计算窗口内的平均置信度，检测中途“崩盘”。

• Tail Confidence

  ：关注最后一段推理，结尾往往最关键。

• Lowest Group Confidence

  ：取推理过程中最低的一段置信度，代表“最薄弱环节”。

---

⚙️ 使用方式

🟦 离线模式（Offline DeepConf）

适用于批量任务：先生成多条链，再统一筛选。

优势：更稳健；劣势：仍需生成完整链。

🟩 在线模式（Online DeepConf）

适用于交互式任务：边生成边评估。

优势：遇到低置信度链时直接停止，大幅节省计算。

---

📊 实验结果

▲ DeepConf 在多个数据集上提升准确率

▲ DeepConf 节省 60%~80% Token 开销

主要结果：

• AIME 2025：Qwen3-8B 从 68% → 82%，但所需链条数骤降。
• GPQA：GPT-OSS-120B 从 97% → 99.9%，同时节省 80% token。
• HMMT：DeepSeek-8B 在减少链数的同时，准确率不降反升。

---

🔮 未来展望

• 更优置信度校准

  ：探索新的不确定性建模方法。

• 跨任务迁移

  ：应用于代码生成、科研问答、多步骤规划。

• 系统优化结合

  ：结合 API 优化，降低推理延迟。

• 安全鲁棒性

  ：用于检测对抗提示和异常置信崩溃。

---

✅ 总结

DeepConf = 多数投票 + 置信度加持

它无需额外训练，能直接接入现有大模型。

一句话总结： 让大模型不仅会想，还知道自己有没有想明白！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！