IXThinker·2025-02-10 13:00

清華CMU等揭長思維鏈之謎 SFT非必需

長思維鏈能力通常被認為需要監督微調鋪路，清華大學、CMU與IN.AI的聯合研究卻發現，僅靠強化學習也能誘發長CoT，並梳理出其湧現條件與優化策略的四項關鍵發現。

四項發現

研究結論包括：SFT並非必需，但能簡化訓練並提高效率；推理能力隨訓練算力增加而出現，但並非必然如此；可驗證的獎勵函數對長CoT增長至關重要；糾錯等核心能力基礎模型天生具備。