如果你还觉得 AI 的进步全靠堆显卡、堆参数，那你可能真得更新一下认知了。
真正的进化，往往发生在模型生成答案的那一瞬间。
就在刚刚，一本名为《Build A Reasoning Model (From Scratch)》的技术书，迎来了它的第五章更新。
作者 Sebastian Raschka，这位曾手把手教你从零写大模型的畅销书大神，这次把矛头对准了 LLM 最核心的能力——自我优化。## 300页的纯干货，终于来了
这不是一本凑字数的书。
目前的早期访问版本已经膨胀到了 300 页。
刚刚发布的第五章，是全书承上启下的关键。它讲的是 LLM 如何在推理阶段进行扩展。
简单说，就是让模型在“动脑子”这件事上，花更多的时间。
Raschka 在推文里说，这一章终于把“推理时推理”这一部分收尾了，接下来的重头戏是——强化学习。
"Here, we continue the inference-time scaling theme, but we move beyond self-consistency and voting."## 让 AI 学会自己“改作业”
以前我们怎么做？自我一致性，或者简单的投票。
现在呢？
Raschka 在书中实现了一个自我优化循环。
模型生成一个答案，然后自己批判这个答案，接着根据批判去改进它。
这不仅仅是代码实现，这是在模拟人类的思考过程。
写出来，检查，修改，再检查。
书中甚至实现了日志概率评分，这可是接下来强化学习章节的基石。
"I think that seeing it all in working code really helps with understanding how LLM reasoning methods work (versus just looking at the equations)."## 质疑没用，看疗效
评论区里有人质疑：这听起来很酷，但真能提升性能吗？有没有点现实的案例，别光整那些简单的代数题。
Raschka 的回答很干脆：DeepSeekMath-V2。
那个模型展示了通过顺序迭代带来的显著提升。
虽然还是数学，但逻辑是通用的。
现在的代码 LLM，甚至大多数编码代理，其实都在用这套路子。
它们都在用这种“自我反思”的机制，来解决复杂的现实问题。> "I'd say most coding agents use this approach already"
不动权重，也能变聪明
这才是最反直觉的地方。
书里提到，你可以在不更新模型权重的情况下，大幅提升推理能力。
这就像是一个人，不需要做开颅手术，只需要改变思考习惯，就能变得更聪明。
Grok 4、GPT-5 这些顶尖模型，都已经集成了这些能力。
而这本书的哲学很简单：想彻底搞懂它，你就得亲手从零造一个。
从预训练模型开始，一步步加上推理能力，看着代码跑通，这才是硬核玩家的浪漫。
推理时扩展的时代已经来了。
下一个章节，就是更劲爆的强化学习。
你准备好从零开始了吗？
参考链接：
https://x.com/rasbt/status/2014341187008602162