递归深度是什么？
如果「不透明递归」是让模型在内部绕圈思考，那么「递归深度」（Recurrent Depth）就是问：这一圈，到底绕了多少遍？它衡量的是模型里那些层被循环执行的次数——就像一台跑步机，递归深度就是你在上面跑了几圈。它和不透明递归是什么关系？
不透明递归是「行为」，递归深度是「档位」前者描述「在内部反复计算」这件事，后者给出一个具体数字：循环了 N 次。一个说的是做什么，一个说的是做多少。
深度越大，会怎样？
思考更充分多绕几圈，模型有更多机会打磨结果，复杂题的准确率往往会上升。
成本更高
每多一圈都要消耗算力和时间。深度不是越大越好，而是要在「质量」和「成本」之间找平衡点。
收益会递减
和「想更久不一定想得更好」同理，深度加到一定程度，提升会越来越小，甚至引入新的错误。
为什么这个词突然热起来？
当推理模型从「把思考写出来」转向「在内部悄悄算」，人们需要一个词来描述「内部算了多少」。递归深度就是把这种隐性的计算量，翻译成一个可以讨论、可以调节的工程参数。一句话记住：递归深度，就是 AI 内部「绕圈思考」绕了几圈——圈数越多，思考越深，代价也越大。
评论