机器之心报道 编辑：Panda 强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。 现在，问题来了：要让大模型学会推理，强化学习是必需的吗？ 近日，哈佛大学一篇论文探索了能否不使用任何额外训练，通过纯粹的采样让基础模型表现出推理能力。 论文标题：Reasoning with Sampling: Your Base Model is Smarter Than You Think 论文地址：https://www.arxiv.org/pdf/2510.14901 项目网站：https://aakaran.github.io/reasoning_with_sampling/ 他们的探索成功了，提出了一种利用基础模型自身似然度的简单迭代采样算法。 代码地址：https://github.com/aakaran/reasoning-with-sampling 他们还证明，在不同的基础模型上，该算法都能大幅提升推理能力。 也就是说： 直接从基础模型进行采样，可以实现与强化学习相媲美的单次推理能力！ 更重要的是，该算法无需训练、无需数据集、无需验证器，从而可避 ...