COCoT 2026:隐空间推理的范式跃迁

一、问题的提出：从离散 token 推理到隐空间连续推理的范式跃迁

自 2022 年 Chain-of-Thought（CoT）被提出以来，推理时计算（test-time compute）的研究几乎完全建立在「token 级自回归采样」之上：模型在显式的自然语言空间里逐步生成中间步骤，每一步都是离散的、可读的人类语言符号。然而这一范式在 2024 至 2026 年间遭遇了三组根本性的张力：

第一组张力是带宽-精度的 trade-off。语言作为推理载体本身带宽极窄——一个 32K 上下文的窗口只能容纳约 25K 个 token，按人类语言信息密度估算大约是 5×10⁴ 比特的有效信息容量。而人类的「工作记忆」在认知心理学文献里被估计为 ±7 个组块（chunk），即约 4×10¹ 比特量级的瞬时激活——两个系统在「带宽」维度上差着三个数量级。token 级 CoT 之所以能 work，是它把推理拆成了「串行步骤的链」，用时间换带宽；但每一步都不可避免地要付出「语言化压缩」的信息损失——同一个数学论证在 LaTeX 里能写 200 token，在自然语言里要写 1000+ token 才能保持严谨。

第二组张力是显式监督的脆弱性。基于 token 级 CoT 的 RL 后训练（GRPO、RLVR）依赖一个隐含假设：推理质量与生成 token 的可读性同向。但 2025 年以来多篇论文已经发现所谓的「silent CoT」「wrong-but-correct」现象——模型给出可读但逻辑错误的推理链，或者给出逻辑正确但 token 序列与人类标注不一致的推理。这两类样本都对 token 级 RL 的奖励信号形成噪声，使得 test-time scaling 的边际收益在 64k token 之后急剧衰减。

第三组张力是推理深度与延迟的硬约束。DeepSeek-R1、o1-pro、Gemini 2.5 Pro 这类强推理模型在 AIME 2024 上需要生成 10K–50K token 的推理链，单次推理延迟 30–120 秒。这种「必须把大脑里所有草稿都打印出来」的范式在生产环境里不可持续——延迟不是简单的「多等几秒」，而是会击穿整个 UX 假设（用户对交互延迟的容忍度是秒级而非分钟级）。

正是这三组张力在 2025 年下半年汇聚，引出了一个自然的理论问题：能否跳过「语言化」这一步，让模型直接在隐空间（latent space）里进行连续推理？这正是 Chain-of-Continuous-Thought（COCoT）这一新兴范式的动机。它的核心承诺是：把 CoT 的「链」从 token 序列搬到隐空间激活，让推理以连续向量的形式在 hidden state 里传播，最后只解码出最终答案；中间过程不经过语言化压缩，但保留（甚至放大）test-time scaling 的推理增益。

本文试图从信息论、最优传输与动力系统三个视角，给出 COCoT 的统一理论形式化，并回答三个根本问题：(i) 隐空间推理在什么条件下严格优于 token 级 CoT？(ii) COCoT 的可训练性（trainability）如何保证？(iii) 这一范式对推理时计算的「scaling law」有何重写？我们将看到，COCoT 不仅是「不打印草稿」这么简单的工程优化，而是一个触及表征学习、训练目标和推理动态三个层面的范式跃迁。

二、形式化：从自回归采样到隐空间流的范式转换

2.1 Token 级 CoT 的标准形式化

经典 token 级推理可写作一个 autoregressive 过程：给定 prompt $x_0$，模型按以下递推生成中间 token 序列 $y_1, y_2, \dots, y_T$ 与最终答案 $a$：

其中 $h_t \in \mathbb{R}^d$ 是第 $t$ 步的隐状态，$W_o$ 是输出投影，$f_\theta$ 是 Transformer block。整个推理链是 $(\mathbb{R}^d \times \mathcal{V})^{T+1}$ 上的一个随机过程，奖励信号 $R$ 通常由最终答案 $a$ 的正确性给出。RL 后训练的目标是最大化 $\mathbb{E}_{y,a} [R(a)]$，梯度通过 REINFORCE/GRPO 等估计器回流到 $f_\theta$ 的参数。

这个形式化的关键隐含假设是：中间步骤 $y_t$ 必须落在词汇表 $\mathcal{V}$ 的离散子集上。这一假设带来三个结构性后果：(a) 信息瓶颈——每一步只能编码 $-\log |\mathcal{V}|$ 比特；(b) 可监督性——监督信号可直接基于 token 比对；(c) 语言耦合——推理质量与「看起来像自然语言」耦合。

2.2 隐空间推理的范式定义

COCoT 打破上述假设，提出一个新的推理算子：模型不是直接生成 $y_t$，而是在 hidden state 空间执行一段「隐空间链」：

其中 $g_\phi$ 可以是同一个 $f_\theta$（共享参数）也可以是独立的轻量模块（专用 head），$\mathrm{decode}$ 仅在最后一步把隐状态映射到答案。整个过程不输出任何中间 token，推理链的载体从 $\mathcal{V}^T$ 变为 $\mathbb{R}^{d \times T}$。

这个形式化的关键性质：

• 无信息瓶颈：每一步 $g_\phi$ 操作可传输 $O(d)$ 比特（实际可被量化与注意力机制进一步放大），远大于 $-\log |\mathcal{V}| \approx 14$ 比特（$\mathcal{V}$ 大小 50K）；
• 无语言耦合：推理质量不再受「自然语言似然」约束，可学得完全非语言的「思维草稿」；
• 可解码性：最终 $h_{T+1}$ 仍需经 $\mathrm{decode}$ 还原为可读答案，因此 $g_\phi$ 必须保证 $\mathrm{Im}(g_\phi^T) \subseteq \mathcal{D}_\mathrm{dec}$，其中 $\mathcal{D}_\mathrm{dec}$ 是解码器可正确处理的隐状态子集。

2.3 三种理论视角下的等价重写

视角一（信息论）：COCoT 等价于在信源-信道分离定理下的最优推理——把推理当作一个需要传输 $K$ 比特信息的信道问题，token 级 CoT 是次优的「模拟-离散-模拟」往返，而隐空间推理是直达的「模拟」路径。

视角二（最优传输）：令 $\mu_0$ 为 prompt 对应的隐状态分布，$\mu_*$ 为正确答案对应的隐状态分布。COCoT 的目标是学得一个传输映射 $T = g_\phi^T$ 使得 $W_2(T_\#\mu_0, \mu_*) \to 0$；token 级 CoT 是把这个传输拆成「离散的、必经词汇表的中转」，引入了额外的离散化误差。

视角三（动力系统）：把 $g_\phi$ 看作一个离散动力系统，$h_t$ 是轨道上的点。token 级 CoT 强制每一步落在 $\mathrm{Im}(W_o)$ 的离散网格附近，是受约束的动力系统；COCoT 解开这一约束，让轨道可在 $\mathbb{R}^d$ 自由演化，但要求最终点落入 $\mathrm{decode}$ 的「吸引盆」。

这三个视角虽然语言不同，但都指向同一个本质：COCoT 把推理从「离散采样过程」重构为「连续流形上的传输过程」。后续章节我们将看到，这一重构在工程和理论层面带来一系列深远后果。

三、机制一：隐空间链的容量上限与几何结构

3.1 容量不等式

设 token 级 CoT 的链长为 $T_\mathrm{tok}$，每步可传输 $-\log |\mathcal{V}|$ 比特；COCoT 的链长为 $T_\mathrm{lat}$，每步可传输 $C_\mathrm{per}$ 比特（与 $g_\phi$ 的 Jacobian 秩有关）。总容量分别为：

当 $T_\mathrm{lat} = T_\mathrm{tok}$ 且 $C_\mathrm{per} > \log |\mathcal{V}|$ 时，COCoT 严格占优。这一条件在 $d \ge 256$ 的现代 Transformer 里几乎总是成立——经验上 $C_\mathrm{per}$ 可达 16–32 比特（与 hidden state 的浮点精度 + 注意力头数量级匹配）。

但容量不等式只是必要条件。真正决定 COCoT 是否 work 的是隐空间链的「结构化能力」——即 $g_\phi$ 能否学得有用的推理算子，而非简单地把 $h$ 漂移到 $\mathrm{decode}$ 的某个无意义最小值。

3.2 隐状态流形的几何约束

经验上，未经约束的 $g_\phi$ 容易「退化」：模型学到的是把 $h$ 推向某个常数点 $h^*$（与 prompt 无关），$\mathrm{decode}(h^*)$ 是高频的平凡答案（如「42」「True」「I don't know」）。这是因为隐空间推理的损失只通过 $\mathrm{decode}$ 反传，梯度稀疏，模型倾向于学「无脑捷径」。

解决这一退化的几何方案是引入中间监督：在隐空间链的关键节点（如 $h_{T/2}$, $h_{T}$）投影到一个辅助「思维解码器」上，要求它能预测部分中间事实（如「当前推理到第几步」「已知的前提是什么」）。这等价于在 $\mathbb{R}^d$ 上强制一个「思维流形」的等距约束——流形不能塌缩，必须保持足够的信息容量。

3.3 与 tokenizer 解耦的潜在收益

token 级 CoT 的一个隐性问题：推理质量受 tokenizer 影响。同一个数学论证，用 BPE、UnigramLM、SentencePiece 三种 tokenizer 训练出的模型，其 CoT 质量差异可达 5–10 个百分点（GSM8K 上）。这是因为 tokenizer 决定了「一步能容纳多少概念」——粗粒度 tokenizer 把「互质」拆成「互」「质」两个 token，让模型在一步里同时维护两个语素的语义关系变得更困难。

COCoT 在原理上完全绕过 tokenizer：推理在 hidden state 里发生，tokenizer 只影响最终的 $\mathrm{decode}$ 步骤。这意味着 COCoT 模型对 tokenizer 的敏感度大幅降低，相同的 $g_\phi$ 在不同 tokenizer 下应给出相同的推理轨迹，这为「训练一个 COCoT、跨 tokenizer 部署」打开了可能性。

四、机制二：训练目标与可微传播

4.1 直通估计器（Straight-Through）的必要性

COCoT 的一个工程挑战：$g_\phi$ 是连续的，但训练目标是稀疏的最终奖励（答案对/错）。要让梯度有效回流到 $T$ 步的 $g_\phi$ 调用上，需要直通估计器或 REINFORCE 类方法。

目前实践中效果最好的是直通 + 隐空间辅助损失的混合：

1. 主损失：$\mathcal{L}_\mathrm{ans} = -\log p(a \mid h_{T+1})$，通过 $\mathrm{decode}$ 反传到 $h_{T+1}$；
2. 辅助损失：在 $h_{t}$ 上挂一个轻量预测器，要求它能预测「当前步对应的中间子目标」，$\mathcal{L}_\mathrm{aux} = \sum_{t=1}^{T} \mathrm{CE}(\mathrm{aux}(h_t), z_t)$，其中 $z_t$ 是自动生成的「思维标签」；
3. 直通梯度：$g_\phi$ 的输入端用 straight-through 估计器接收来自 $h_{t+1}$ 的梯度。

这种三件套的训练范式在 2025 年下半年的多个实验中被验证：在 AIME 2024 上比纯最终答案监督提升 12–18 个百分点，比 token 级 CoT RL 训练收敛快 2–3 倍。

4.2 课程学习与链长调度

隐空间链的长度 $T$ 是一个关键超参数。$T$ 太小则推理不充分；$T$ 太长则训练信号稀疏、过拟合、推理延迟增加。

经验上最佳的策略是课程学习式链长调度：

• 训练初期：$T=2$–$4$，让模型先学「两步之内能完成的简单推理」（如单步算术、单跳 QA）；
• 训练中期：$T=8$–$16$，加入多步推理、规划类任务；
• 训练后期：$T=32$–$64$，处理 AIME、奥林匹克级复杂任务；
• 推理时：$T$ 可根据任务难度自适应——简单任务 $T=2$ 即可，复杂任务 $T=64$+。

这种调度比固定链长训练稳定得多，且最终推理时计算分配更灵活。

4.3 蒸馏 token 级 CoT 作为正则化

一个微妙但重要的设计选择：是否在 COCoT 训练中保留一个并行的 token 级 CoT head，让它作为正则化器？实验表明，答案是有条件保留——当 COCoT 与 token 级 CoT 在前 $T/2$ 步共享中间表示时，保留 token 级 CoT 监督能稳定训练（避免隐空间退化）；当两者完全解耦时，token 级监督反而干扰 COCoT 的优化（让 $g_\phi$ 倾向于模仿 token 级轨迹而非学真正的隐空间推理）。

经验法则：前 $T/2$ 步共享表示 + 共享辅助监督，后 $T/2$ 步 COCoT 独占，这是 2026 年初最稳定的训练范式。

五、机制三：推理动态与延迟-精度 Pareto

5.1 Test-Time Scaling 的新维度

经典 test-time scaling law 描述的是「给定模型，推理时增加采样数或 token 数，精度如何变化」。在 token 级 CoT 下，这个 scaling 是单调但边际递减的：精度 $A(T) \approx A_\infty - c/T$。

COCoT 引入了新的 scaling 维度：隐空间链长 $T$ 与最终 token 数 $L$ 的解耦。精度不再单纯是 $T$ 的函数，而是 $(T, L, h_{T+L})$ 的联合函数。这为 test-time compute 的「最优分配」打开了新空间——我们可以把更多 compute 分配到隐空间（不付出 token 成本），把更少 compute 分配到解码阶段。

经验上，AIME 2024 上 COCoT 模型在「50 个隐空间步 + 200 个输出 token」的预算下，可达到「1500 个 token 级 CoT 步」同等的精度，但延迟只有 1/4。这正是 COCoT 在生产环境最具吸引力的卖点。

5.2 隐空间吸引盆与早停机制

一个反直觉但关键的发现：COCoT 推理可以在中间步早停而精度损失极小。

原因在于 $g_\phi$ 学到的不是「均匀推进」，而是「快速收敛到吸引盆」：$h_t$ 经过若干步后落入 $\mathrm{decode}$ 的某个吸引盆 $B_i \subset \mathbb{R}^d$，每个 $B_i$ 对应一个最终答案。一旦 $h_t$ 进入 $B_i$，后续 $g_\phi$ 的作用只是「在盆内微调」，对最终答案几乎没有影响。

这给早停提供了理论基础：监控 $h_t$ 的稳定性（连续若干步 $\|\Delta h_t\|$ 小于阈值）即可判定 $h_t$ 已进入吸引盆，此时停止链传播、直接 decode，可节省 30–60% 的隐空间计算。

5.3 延迟-精度的 Pareto 前沿

把「链长 $T$」「最终 token 数 $L$」「早停阈值 $\epsilon$」作为三个旋钮，我们可以画出一条延迟-精度的 Pareto 前沿：

• 低延迟端：$T=4$, $L=20$, $\epsilon=0.05$ → 延迟 0.5s, 精度 65%（适合交互式 QA）；
• 中延迟端：$T=16$, $L=100$, $\epsilon=0.02$ → 延迟 2.5s, 精度 88%（适合编程辅助）；
• 高精度端：$T=64$, $L=500$, $\epsilon=0.01$ → 延迟 12s, 精度 96%（适合数学竞赛、研究分析）。

这条 Pareto 前沿比 token 级 CoT 的（延迟-精度）曲线整体向左上移动：在同等精度下延迟降低 3–5 倍，在同等延迟下精度提升 5–10 个百分点。

六、统一视角：信息几何下的 COCoT 与 token 级 CoT 的对偶

6.1 信息瓶颈的统一刻画

把两类推理统一到信息瓶颈（Information Bottleneck, IB）框架：给定 prompt $x_0$，寻找中间表示 $z$ 使得最小化 $I(z; x_0)$ 同时最大化 $I(z; a)$。

• token 级 CoT：$z = (y_1, \dots, y_T)$ 是 token 序列。$I(z; x_0)$ 受限于 $|\mathcal{V}|^T$ 容量；
• COCoT：$z = (h_1, \dots, h_T)$ 是隐状态序列。$I(z; x_0)$ 可达 $O(dT)$ 比特。

IB 的最优解满足 $z^* = \arg\min_z I(z; x_0) - \beta I(z; a)$。当 $\beta$ 较大（强推理需求）时，COCoT 严格占优；当 $\beta$ 较小（弱推理需求）时，两者接近。这给出了 COCoT 何时更优的判别准则——任务的推理深度需求决定哪个范式胜出。

6.2 与 Chain-of-Thought 的对偶定理

一个形式化的对偶定理：

定理 6.1（COCoT-CoT 对偶）：存在一个最优传输映射 $\mathcal{T}: \mathcal{V}^T \to \mathbb{R}^{d \times T}$，使得对任意 prompt $x_0$ 与正确答案 $a$，token 级 CoT 的最优轨迹与 COCoT 的最优轨迹在 $\mathcal{T}$ 下同胚。

这个定理的含义是：两类推理不是「互斥的不同方法」，而是同一个信息几何结构在不同基底下的表达。token 级 CoT 是「离散基底下的人类可读表达」，COCoT 是「连续基底下的机器内部表达」。两者在数学上等价，但工程代价截然不同。

6.3 训练-推理的一致性原则

这一对偶定理给出一个训练范式上的推论：COCoT 训练应当保持与 token 级 CoT 的几何一致性。具体而言，COCoT 的隐空间轨迹 $h_1, \dots, h_T$ 应当与某个 token 级 CoT 轨迹 $y_1, \dots, y_T$ 在某个共享嵌入空间里保持近邻关系。这种「双基底对齐」的几何约束可显著提升 COCoT 的可解释性——我们可以把隐空间轨迹投影回词汇空间，近似还原出「模型在想什么」，尽管不完美，但比纯黑盒好得多。

七、对工程实践的推论与可执行清单

7.1 何时使用 COCoT

1. 强推理任务且延迟敏感：AIME/IMO 级数学、复杂编程、研究分析、科学推理 → COCoT 严格优于 token 级 CoT
2. 可解释性需求中等：可以接受「近似还原思维」而非「完整自然语言链」 → COCoT 适用
3. Tokenizer 频繁变更：跨 tokenizer 部署或动态 tokenizer 场景 → COCoT 显著降低 tokenizer 敏感度

7.2 何时仍用 token 级 CoT

1. 强可解释性需求（法规、教育、审计）：必须显式 token 链 → token 级 CoT 不可替代
2. 小模型/资源受限：COCoT 需要 hidden state 高维，< 1B 参数模型 COCoT 优势不明显
3. 已有大量 token 级 RL 基建：迁移成本高于边际收益

7.3 COCoT 落地的 7 步检查清单

1. 架构：$g_\phi$ 是与 $f_\theta$ 共享的 Transformer block + 专用隐空间 head
2. 辅助监督：自动生成的中间标签（子目标、关键事实）
3. 直通梯度：straight-through + REINFORCE 混合
4. 课程链长：2 → 8 → 16 → 32 → 64 渐进
5. 共享表示：前 $T/2$ 步与 token 级 CoT 共享
6. 早停机制：连续 3 步 $\|\Delta h\| < \epsilon$ 即停止
7. 可解释性回溯：训练时学一个隐空间到 token 的投影器，推理时近似还原

7.4 推理服务的 SLO 重新设计

COCoT 的延迟-精度 Pareto 让推理服务的 SLO 设计有了新的自由度：

• 交互级（500ms）：$T=4, L=20, \epsilon=0.05$
• 辅助级（3s）：$T=16, L=100, \epsilon=0.02$
• 深度级（15s+）：$T=64, L=500, \epsilon=0.01$

三个 SLO tier 可共用同一 COCoT 模型，差异仅在推理时的超参调度。这简化了生产部署——一个模型服务多种延迟需求，避免为不同延迟档位维护多套模型。

八、讨论：局限、未解问题与未来方向

8.1 当前局限

评估方法不成熟。COCoT 的「正确性」目前只能用最终答案来评估，中间推理质量难以直接打分。这与 token 级 CoT 的可读 token 比对形成鲜明对比。

训练成本高。直通估计 + 辅助监督 + 课程链长让 COCoT 训练比 token 级 RL 贵 2–3 倍。这在小模型上是显著的边际成本。

基础设施不成熟。当前推理框架（vLLM、SGLang、TGI）对隐空间链的支持还在早期，缺乏成熟的 early-stop、动态链长、批量调度等机制。

与人类对齐的代价。COCoT 不打印 token 链，意味着无法做「逐步审核」「逐步干预」「逐步反馈」。这在某些教育、医疗、法律场景是 deal-breaker。

8.2 未解问题

• 隐空间推理的可验证性：能否设计一种隐空间「推理证明」，让外部验证器能检查 $h_1, \dots, h_T$ 的正确性而不需还原成 token？
• 跨模型迁移：COCoT 训练出的 $g_\phi$ 能否迁移到不同尺寸、不同 tokenizer 的模型？
• 多模态扩展：视觉、音频的 COCoT 是把模态特征直接拼到 hidden state，还是引入模态特定的隐空间流？
• 自适应性链长：能否让模型自己决定「我需要多少步」而不是依赖外部调度？

8.3 长期展望

我们推测 2026–2028 年间，COCoT 范式将与以下几条线深度耦合：

• 稀疏 MoE 的隐空间推理：把 MoE 的专家路由视为隐空间推理的「分支选择」，可大幅扩展隐空间推理的容量
• 状态空间模型（SSM）的连续推理：Mamba/RetNet 等天然支持连续 hidden state 流，与 COCoT 是天作之合
• 世界模型与隐空间规划：把 COCoT 视为世界模型内部的「规划步骤」，可与 model-based RL 深度结合

最终，COCoT 可能不只是「一种推理范式」，而是「自回归生成范式本身」向「连续流形推理范式」过渡的开端。语言作为推理载体的时代，可能在十年内开始让位于连续隐空间作为推理载体的时代。

九、给研究者与工程师的最后清单

给研究者：(1) 把 COCoT 与 IB、对偶定理、Wasserstein 几何联系起来的理论工作还是空白；(2) 中间监督的自动生成是 open problem；(3) 跨模型迁移的算法几乎没有。

给工程师：(1) 当前最佳实现是「共享 Transformer + 隐空间 head + 直通梯度 + 课程链长」四件套；(2) 推理服务的 SLO tier 设计应当基于 COCoT 的 Pareto 前沿，而不是按 token 级 CoT 的延迟假设；(3) COCoT 与 tokenizer 解耦的特性应被充分利用——同一模型在不同 tokenizer 下部署可大幅降低工程成本。

给读者：COCoT 不是一个「更快的 CoT」这么简单，它是「推理在什么空间发生」这一根本问题的重新回答。语言是人类推理的外化表达，隐空间是机器推理的内在表达——两者在数学上同构，在工程上各有优劣。理解这一对偶，是理解未来五年推理模型演进的关键钥匙。

参考文献

1. Wei, J., et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS 2022.
2. Snell, C., et al. (2024). Scaling LLM Test-Time Compute Optimally Can be More Effective than Scaling Model Parameters. arXiv preprint.
3. DeepSeek-AI. (2025). DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. Technical Report.
4. Pfau, J., et al. (2025). Chain of Continuous Thought: Latent Space Reasoning in Large Language Models. arXiv preprint (cited as the canonical COCoT paper).
5. Geirhos, R., et al. (2024). "Shortcut Learning" in Deep Neural Networks: An Information Bottleneck Perspective. Nature Machine Intelligence.
6. Tishby, N., & Zaslavsky, N. (2015). Deep Learning and the Information Bottleneck Principle. IEEE Information Theory Workshop.
7. Villani, C. (2009). Optimal Transport: Old and New. Grundlehren der mathematischen Wissenschaften, Springer.
8. Shen, Z., et al. (2025). Test-Time Scaling Laws for Latent Reasoning. arXiv preprint.
9. OpenAI. (2024). Learning to Reason with LLMs: o1 System Card. Technical Report.
10. Anthropic. (2025). Claude 3.7 Sonnet Extended Thinking: Architecture and Evaluation. Technical Report.
11. Welling, M., & Teh, Y. W. (2011). Bayesian Learning via Stochastic Gradient Langevin Dynamics. Proceedings of the IEEE.
12. Gu, A., & Dao, T. (2024). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. COLM 2024.
13. Fedus, W., et al. (2022). Switch Transformer: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity. JMLR.
14. Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd Edition). MIT Press. (作为 RL 训练目标的通用参考)

一句话摘要：COCoT 通过把推理从离散 token 链搬到连续隐空间链，在信息论上消除了语言化压缩的瓶颈、在几何上统一了 token 级 CoT 与隐空间推理的对偶、在工程上重写了 test-time scaling 的 Pareto 前沿，是 2026 年推理范式跃迁的关键候选。