深度扩展

深度扩展是指模型在生成答案时允许更长的推理链，逐步分解问题、验证中间步骤、修正推导过程，其优势是逻辑连贯性。

深度扩展的局限在于：如果初始推理方向错误，更深的推理链只会沿着错误路径越走越远。

深度、宽度与反馈三个维度共享同一个推理预算池，增加深度意味着减少宽度探索的机会，投入反馈迭代则可能牺牲单次推理的深度。

对于数学证明类任务，深度扩展通常更有效，因为逻辑链条需要保持连贯；对于开放域问答，宽度扩展更有优势；对于代码生成与调试，反馈机制价值最大，因为编译器和测试用例提供了可靠的外部验证信号。