TsuGO：用围棋死活题探测LLM推理中的搜索效率

LLM推理评估正从最终答案准确率转向过程级评估，但现有方法仍无法捕捉模型如何规划推理路径与分配推理资源——即它们如何组织搜索。以往过程级方法关注思维链（CoT）的连贯性与冗余性，且多数基准任务只有单一目标、可由推导与工具使用等静态能力求解，使搜索组织未被测量。我们提出TsuGO，一个通过围棋死活题评估LLM推理中搜索效率的过程级推理基准。这类问题提供封闭且可验证的解空间，并具有内在对抗结构，使候选生成、应手检验、分支比较与回溯成为推理的必要环节，而非偶然的轨迹模式。通过约束解空间，TsuGO将领域知识与搜索组织解耦，把CoT解析为结构化搜索树，并报告搜索效率（Search Efficiency）、token效率（Token Efficiency）及其他诊断指标与可视化。实验表明，当前LLM远未达到稳定的死活题求解：更强模型靠更早找到正确候选并在高产分支上持续投入而成功，但多数模型的行为仍更接近无引导搜索算法，而非神经引导的KataGo。更长的CoT或更高的token效率未必意味着更好的搜索。我们的结果指出，搜索组织与推理资源分配是LLM推理评估中缺失的维度。