14:34
Suhail@Suhail
Suhail@Suhail推荐理由：看看闭源模型暗地里怎么想问题的——它们也会纠结和自我怀疑，而长度惩罚可能就是解药。
长度惩罚
共 1 条相关 AI 资讯
6月30日
14:34
一条推文揭示了闭源推理模型（如Claude、GPT系列）的原始推理轨迹，这些轨迹通常对用户隐藏。数据表明模型会像人类一样过度思考。Dustin Tran指出，通过更好的长度惩罚（length penalty）可以减少这种过度思考，而无需新的奖励函数。讨论涉及并行与顺序工具调用、工具与基座模型能力边界、单智能体与子智能体等策略。