思维链与潜在思维的形式化比较

思维链通过显式生成中间词元来激发大型语言模型的推理能力。相比之下，潜在思维推理直接在连续的潜在空间中进行操作，从而实现超越离散语言表征的计算。尽管两种方法都利用了迭代计算，但它们的比较能力仍有待深入探索。在本工作中，我们提出了一种形式化分析，表明潜在思维比本质上串行的思维链允许更高效的并行计算。相反，思维链通过随机解码实现近似计数与采样。这些差异表明了深度驱动递归更适合的任务类型，从而为在推理范式之间进行选择提供了实用指导。