DTS 解码树草图是什么？让推理模型少走弯路的解码方法

解码树草图（Decoding Tree Sketching，DTS）是一种改进大型推理模型的解码方法，由约翰斯·霍普金斯大学、北卡罗来纳大学夏洛特分校等机构的研究人员在 2025 年 11 月提出，论文标题是《DTS：通过解码树草图增强大型推理模型》。它是一个与模型无关、即插即用的框架，不需要重新训练模型，在推理时使用。

它要解决什么问题

推理模型会先写出很长的思考过程再回答。一种常见的提升效果的办法是“并行思考”：让模型独立地生成很多条推理路径，再从中挑一个最好的答案。但论文指出，现有方法依赖大量冗余的采样，多条路径之间往往大同小异，并没有有效地探索推理空间、找出高质量的解法。此外，推理模型普遍存在“过度思考”的问题：在已经能得出答案时仍然反复验证、绕圈子，浪费 token，有时反而把对的答案想错了。

DTS 怎么做

探索方面：DTS 只在“决策点”上分叉。它用下一个 token 的熵（模型对下一个词有多不确定）来定位关键的分歧点，只有在模型拿不准的地方才分出几条分支，其余地方正常生成。这样勾勒出一棵推理空间的“骨架树”，用更少的计算探索更多真正不同的思路。所有分支并行自回归生成。

选择方面：DTS 采用提前停止的策略，返回第一个完成的分支，也就是最短的推理路径。研究者认为，最短的完整推理路径可以近似看作最优的推理轨迹，因为冗长的路径更可能包含过度思考和错误。

意义

DTS 的思路很实用：不改模型、不额外训练，只改变解码方式，就能同时改善推理的准确率和效率。对于部署推理模型、需要控制 token 成本和响应时间的应用来说，这类方法很有吸引力。