把推理理解为 token 空间寻路：RL 潜在推理行为的长文解读

heyyalexwang 从基本概念出发，提出将推理视为“token 空间中的寻路（pathfinding）”，并据此重新审视 RL 与推理训练中的目标函数。这套框架用于解释潜在推理等异常行为，帮助理解 reasoning 模型优化究竟在解决什么问题。