IXThinker·2026-01-16 16:50

抑制大模型過度反思的強化學習新路

大模型推理能力沿更長思維鏈與類人反思的路徑快速進化，卻在企業落地時暴露算力浪費問題：模型答對之後仍反覆思考。Yuan3.0 Flash嘗試以強化學習範式抑制這種過度反思。

過度反思之弊

過去一年，推理模型的進化幾乎沿單向路徑前進：更複雜的推理過程、更長的思維鏈、更像人類的自我反思，在數學與科學基準上表現亮眼。但走向企業落地時，隱藏問題逐漸暴露：大量算力被耗在無效驗證上。