ReasonFlux是一个创新的层次化LLM推理框架，旨在解决大型语言模型在复杂推理任务，如数学奥林匹克竞赛中面临的挑战。它通过可扩展的思维模板优化推理搜索空间，显著超越了现有模型。ReasonFlux的核心在于其包含约500个高层次思维模板的结构化模板库，通过层次化强化学习优化基础LLM，并采用基于模板的推理扩展系统。实验结果表明，ReasonFlux在MATH和AIME基准测试中均取得了显著的准确率提升，证明了思维模板在提升大模型推理效率方面的巨大潜力。

💡ReasonFlux核心创新：构建包含约500个高层次思维模板的结构化模板库，支持高效检索和适应，为解决复杂问题提供坚实基础。

🧠层次化强化学习优化：通过层次化强化学习（Hierarchical RL）优化基础LLM，规划出最优的模板轨迹来解决复杂的子问题，提升问题解决的效率和准确性。

🚀模板推理扩展系统：基于模板的推理扩展系统（Template-augmented Inference Scaling），在推理时动态调整思维模板，实现更好的探索与利用平衡，确保推理过程的灵活性和适应性。

🏆卓越的实验结果：在MATH基准测试中达到91.2%的准确率，比o1-preview高出6.7%；在AIME基准测试中解决了56.7%的问题，分别比o1-preview和DeepSeek V3高出27%和45%，验证了ReasonFlux的有效性。