人工智能在解決復雜問題時，常采用并行推理策略——同時生成多個推理過程，從中選出最優(yōu)解。然而最新研究發(fā)現，這種看似高效的方法存在嚴重缺陷：超過80%的并行推理最終會得出相同結論，導致大量計算資源被浪費在重復勞動上。這一現象猶如30名學生解答同一道數學題，其中25人提交了幾乎相同的解題過程，僅有5人提供了差異化思路。

由清華大學與上?？萍即髮W聯合研究團隊提出的DeepPrune技術，為解決該問題提供了創(chuàng)新方案。研究團隊將AI推理過程比作果樹生長，指出傳統(tǒng)方法放任所有"枝條"自由生長，而DeepPrune則像經驗豐富的園丁，能在枝條發(fā)育早期識別出哪些會結出相同果實，從而精準修剪冗余枝條。實驗數據顯示，該方法可使計算資源消耗減少80%以上，部分場景下甚至達到91.6%的削減率。

研究團隊選取DeepSeek-8B、Qwen3-4B等四種先進AI模型進行測試，要求每個模型針對數學和科學問題同時生成16個推理過程。結果顯示，GLM-4.5-Air模型生成的推理對中，94.5%得出相同結論；即便是表現最佳的DeepSeek模型，也有76%的推理過程產生重復結果。這種普遍存在的冗余現象，促使研究團隊開發(fā)專門的"推理相似度判斷專家"。

該判斷系統(tǒng)的訓練過程頗具挑戰(zhàn)性。研究團隊從數學競賽題庫中選取758個問題，使用特定模型為每個問題生成16個推理路徑，最終獲得約8萬對推理過程比較數據。為解決數據不平衡問題（相同結果樣本占80%），團隊采用"焦點損失"技術強化模型對困難案例的學習，同時運用"過采樣"技術增加少數類樣本數量。經過優(yōu)化，判斷系統(tǒng)的準確率達到87.01%，在控制誤判率20%的情況下，仍能正確識別81.86%的差異化推理路徑。

在實際應用中，研究團隊設計了"貪心聚類"在線算法。當新推理過程生成時，系統(tǒng)會將其與現有"文件夾"中的內容進行相似度比對。若相似度超過閾值（設為0.5），則歸入相應文件夾；若不匹配，則創(chuàng)建新文件夾。該算法通過限制最大文件夾數量（32個）和隨機選取代表性樣本（最多10個）進行比對，既保證了判斷效率，又避免了過度修剪。最終答案采用多數投票制，從包含最多相似推理的文件夾中選取樣本完成推理。

實驗驗證環(huán)節(jié)，研究團隊在AIME 2024、AIME 2025和GPQA三個競賽數據集上，對DeepSeek-8B、Qwen3-32B和GPT-OSS-20B三種模型進行測試。與傳統(tǒng)"生成512個推理過程后投票"的方法相比，DeepPrune在保持準確率相當的情況下，計算量顯著減少。特別是在Qwen3-32B模型處理AIME25問題時，計算量削減91.4%的同時，準確率從80%提升至90%。與基于置信度的早停方法DeepConf相比，DeepPrune在計算量減少和準確性維持方面均表現更優(yōu)。

技術細節(jié)方面，研究團隊發(fā)現采用"推理步驟對齊"的截取方法（基于"因此""所以"等邏輯標志詞）比簡單固定長度截取更有效，準確率提升1.45個百分點。消融實驗證實，焦點損失與過采樣技術的組合使用至關重要，單獨應用任何一種技術都無法達到最佳效果。相似度閾值設置為0.5時，系統(tǒng)能在效率提升與答案多樣性間取得良好平衡。

盡管DeepPrune展現出顯著優(yōu)勢，研究團隊也指出其局限性。當前判斷系統(tǒng)僅在特定模型推理數據上訓練，對差異較大的模型架構適應性有待驗證；貪心聚類算法可能因早期相似性判斷失誤而導致局部最優(yōu)決策；判斷專家自身的計算開銷在簡單推理任務中占比可能較高；相似度閾值需根據具體任務調整，增加了系統(tǒng)部署復雜度。這些發(fā)現為后續(xù)研究指明了改進方向。

對于普通用戶而言，該技術意味著未來移動設備可能運行更強大的AI助手，在線服務響應速度將顯著提升。在科研領域，藥物設計、工程優(yōu)化等需要大量并行推理的任務，將因計算效率提升而加速突破。技術細節(jié)可查閱論文編號arXiv:2510.08483v1的完整研究報告。