近日，Meta AI 联合加州大学圣地亚哥分校（UCSD）推出了一种名为 Deep Think with Confidence（DeepConf） 的新技术，旨在帮助企业在大语言模型（LLM）的复杂推理任务中，有效降低算力成本的同时保持高准确率 。
当前，提高 LLM 推理能力常依赖“自一致性 + 多次采样再表决”的策略（即 majority voting），但这种方法会导致计算资源迅速膨胀，耗时耗费，大量低质量推理路径反而可能造成错误答案胜出 。DeepConf 的创新之处在于，它不再对所有推理路径一视同仁，而是通过 模型内部的置信度信号，对推理路径进行筛选与权重调整 。
DeepConf 引入了多种精细的置信度指标，比如:
- 组置信度（Group Confidence）:计算推理过程中某一段 token 的平均置信度;
- 尾部置信度（Tail Confidence）:关注推理结尾部分的置信程度;
- 最低组置信度（Lowest Group Confidence）:找出推理路径中最“脆弱”的环节;
- 底部百分位置信度（Bottom-10% Confidence）:聚焦最不自信的那部分推理内容 ）。
DeepConf 支持两种执行方式:
- 离线模式（Offline Thinking）:先生成多个完整推理路径，再按置信度筛选较优路径参与表决或加权投票;
- 在线模式（Online Thinking）:在推理生成过程中实时评估，当当前路径置信度低于阈值时，立刻终止该路径以节省资源 。
在多个开放模型（如 DeepSeek-8B、Qwen3-32B、GPT-OSS-120B）以及复杂数学与 STEM 推理任务(AIME、HMMT、BRUMO25、GPQA-Diamond)中，DeepConf 表现惊艳:
- 离线模式下，使用 GPT-OSS-120B 在 AIME2025的准确率高达 99.9%，同时生成的 token 数量比传统方法少 84.7% ;
- 在线模式下，在 AIME24中，DeepSeek-8B 的准确率提升了 5.8个百分点，却使用了 77.9% 更少 的 token 。
企业可根据使用场景风险偏好选择不同设定:
- DeepConf-high（保守模式）:一般能减少约 50% 的生成成本，但准确性几乎不受影响，适用于金融、法律等高风险场景;
- DeepConf-low（激进模式）:节省 70%–85% 的 token，适用于问答草稿、知识检索等对速度要求高但容错较灵活的场景 。
使用 DeepConf 无需重新训练模型，只需增加少量推理时的逻辑处理。此外，它还具备良好兼容性，可与现有推理框架（如 vLLM、SGLang、TensorRT-LLM）无缝集成。正如研究者所言，这为现实企业部署 LLM 推理任务提供了一个“可插拔”的高效方案。
