Hacker News AIT2·基座大模型
62 分
Alex Wang 提出将推理建模为在词元空间中从起始上下文到正确答案的路径搜索,以此解释一个反直觉现象:强化学习训练出的长思维链能提升准确率,但推理时强制延长单条链先有增益、随后停滞甚至变差。该框架试图区分“链长”与“搜索广度”对正确率的真实贡献。
独立研究者,撰写关于推理机制与路径搜索视角的技术博客
Alex Wang 提出将推理建模为在词元空间中从起始上下文到正确答案的路径搜索,以此解释一个反直觉现象:强化学习训练出的长思维链能提升准确率,但推理时强制延长单条链先有增益、随后停滞甚至变差。该框架试图区分“链长”与“搜索广度”对正确率的真实贡献。