论文解读｜DeepSeek-R1 数学推理深度解剖：是真正推理，还是「拓扑模仿」？
本周（2026-06-05）arXiv 上 2606.07410 这篇论文值得所有做 LLM 推理的团队读一遍：A Comprehensive Anatomy of Human and DeepSeek-R1 LLM Mathematical Reasoning。作者把 DeepSeek-R1 在 AIME 2025 的 30 道题、10247 个推理步骤全部人工标注为 5 类（分析 / 推断 / 分支 / 回溯 / 反思），然后和人类数学家对比。
核心发现：拓扑模仿（Topological Mimicry）
人类数学家的解题结构是「分析-推导」的紧凑交替；DeepSeek-R1 表面上看也在做这些，但实际频繁：
- 反复回访中间结果（redundant revisit）
- 做浅层、无意义的验证（shallow verification）
- 在局部检查中空转（spinning-wheel）
研究者把这种行为命名为「拓扑模仿」——表面形式是推理，功能角色不是。模型在复现「看起来像推理」的形状，但缺少人类推理中回溯到关键节点重做的能力。
两个真推理的信号
虽然整体偏负面，作者还是发现两个真实推理迹象：
- 成功的轨迹有稳定的「分支+回溯」模式；失败的轨迹要么完全不用，要么过度使用
- 反思必须落在「推导」中，落在「分析」循环里的反思都是抓数字细节，错过全局错误
对实战团队的影响
作者建议训练时应该：
- 测量跨轨迹稳定性（同一道题多跑几次的一致性）
- 惩罚「原地打转」（spinning-wheel）轨迹
- 鼓励深度逻辑修正（deduction + backtracking）
- 把推理算力从「反思」重新分配到「推导+回溯」
对于正在用 DeepSeek-R1、QwQ、o3 这类模型做数学/代码 Agent 的团队，这篇论文是必读。它告诉我们：长 CoT ≠ 强推理，训练 reward 应该奖励「功能性推理」而不是「看起来很努力的推理」。
论文：arXiv:2606.07410（2026-06-05）