s1：最简单的测试时缩放

摘要

表明只需精选的少量推理轨迹，再配合强制延长思考的预算技巧，就能在数学基准上逼近更重的推理系统。

Shows that a small curated set of reasoning traces plus a budget-forcing trick can match much heavier reasoning systems on math benchmarks.

提要

s1 把测试时缩放写成几乎不能再短的配方：精选小数据，再强迫模型继续想。只需约一千条推理轨迹加预算强制，就能在数学基准上逼近更重的推理系统。

01背景与动机

近期关于推理模型的主流叙事往往强调：只有经过大规模强化学习与巨量算力，才能获得可靠的逐步推理能力。s1明确挑战这一看法，主张不必先搭建沉重的训练管线，也能在数学基准上接近更复杂的推理系统。

作者将焦点从「训练阶段无限加码」转向两件更可操作的事情：如何策展少量但高质量的推理轨迹，以及如何在解码阶段显式分配并延长思考预算。这一转向意在说明，数据质量与测试时计算同样关键，从而为资源有限的学术实验室打开另一条可复现路径。

02核心方法

方法的一端是数据：作者从已有强推理系统产生的轨迹中仔细精选约一千条高质量样本，再用监督微调将基础模型对齐到清晰、可逐步检验的推理风格，从而避开大规模强化学习所带来的训练复杂度与成本。

另一端是解码阶段的控制：所谓预算强制，是在生成过程中通过简单干预迫使模型不要过早结束思考，而是继续输出中间推理内容。由此，「想得更久」变成可调节的测试时计算分配，而不是一次写死的固定生成长度。

03结果与证据

在数学相关基准上的对照表明，仅用约一千条精选推理轨迹做微调、并在测试时施加预算强制的模型，能够在整体表现上逼近训练流程或系统规模更重的推理方案，而无需复现对方的完整强化学习栈与数据规模。

证据的重点并不在于宣称某一固定榜单名次，而在于说明极简配方本身有效：干净的小规模数据负责塑造推理格式，预算强制负责在解码时分配额外计算。两者结合，即可在可验证的数学任务上呈现清晰的测试时缩放趋势。

04影响与意义

对学术实验室而言，s1把「做出可用推理模型」从依赖封闭的大规模强化学习流水线，拉回到可公开讨论的数据策展与解码控制技巧，从而明显降低了复现实验、消融分析与公平对照的工程与算力门槛。

更广一点看，它提醒研究社区：测试时可用的计算应被视为一等公民。与其只横向比较预训练或强化学习的规模，不如同时清楚报告思考预算如何被分配与使用，以及在相近预算下，简单基线能否接近宣传中的复杂推理系统。

05局限

该方法强依赖已有的高质量推理轨迹：若没有更强教师模型或精心人工标注来提供示范，约一千条样本的策展本身就难以起步，因此它更接近站在已有推理能力之上的蒸馏与预算调度，而不是从零训练中凭空涌现推理。

此外，主要验证集中在答案可自动核对的数学基准之上；在开放域问答、长文写作或缺乏明确核对信号的任务上，强制延长思考是否仍能稳定带来收益，以及是否会放大空洞赘述或错误自信，仍有待更系统的检验。

06要点

1. 01少而干净的推理轨迹，可以在效果上胜过规模更大但噪声更多的数据。
2. 02在测试时强制模型多想，本质上是一种显式的计算资源分配。
3. 03结构简单的基线，常常足以刺破复杂系统过度包装的宣传叙事。