作为规划的潜在思维链：解耦推理与言语化

思维链（CoT）虽赋能大模型解决复杂问题，但受限于离散令牌空间的计算成本及推理路径坍塌。现有潜在推理方法虽提升效率，却常表现为不透明的端到端映射且需预设步数。本文提出 PLaT 框架，通过将推理建模为潜在规划状态的确定性轨迹，并将言语化交由独立解码器处理，从根本上解耦了推理与表达。该方法允许模型动态决定推理终止时机。实验表明，PLaT 在贪婪准确率上略低，但在推理多样性和可扩展性上显著优于基线，为推理时搜索提供了透明且鲁棒的基础。