停止過度思考：透過提早停止提升 LRM 的準確度
研究人員發現大型推理模型 (LRM) 存在「有害的過度思考」現象，即在得出正確答案後繼續推理會導致邏輯偏差。研究顯示，在首次出現正確答案時提早停止推理，可將準確度提升高達 21%。
Search
Tag: #reasoning-models24 results
利用代理委員會提升弱推理模型效能
這項研究表明，透過組織弱推理模型委員會，其效能可媲美 Gemini 3 Pro 等頂尖模型。該系統利用驗證器支援的選擇機制，能有效地從弱模型的輸出池中識別出正確的解決方案。
自生成數據提升大型語言模型強化學習效能
本研究提出了一種利用基於 George Polya 問題解決策略的多元自生成數據，以提升大型語言模型（LLM）在訓練中期階段效能的方法。研究顯示，透過這些多樣化推理路徑訓練的模型，在後續的強化學習（RL）階段，於數學、程式碼及敘事推理任務中均表現更佳。
大型推理模型不確定性量化
新方法使用共形預測量化大型推理模型（LRMs）的推理軌跡與答案不確定性，並提供統計保證。引入Shapley值框架，解釋不確定性來源，透過關鍵訓練範例與步驟。理論分析與實驗驗證其有效性。
StepFlow修復LRM推理流程
研究人員推出Step-Saliency，沿著大型推理模型（LRMs）的推理軌跡繪製注意力-梯度分數地圖。它揭示了淺層鎖定（Shallow Lock-in）和深層衰減（Deep Decay）故障。StepFlow作為測試時干預，提升數學、科學和程式設計任務的準確率，無需重新訓練。
ReBalance 修正 LRM 過度/不足思考
ReBalance 是一個無需訓練的框架，利用信心度作為動態指標，緩解大型推理模型 (LRM) 的過度思考與不足思考問題。它從隱藏狀態建立推理原型，並應用即時調變的導向向量來刪減冗餘或促進探索。在 0.5B-32B 模型及九項基準測試中，證實降低輸出冗餘並提升準確度。
推理 LLM 在風險選擇優於對話型
一項針對 20 個 LLM 的研究顯示，它們分群為理性推理模型（RMs），對框架和順序不敏感，以及較不理性的對話模型（CMs），呈現類人偏差和描述-歷史差距。RMs 在明確和經驗基礎的前景下均匹配理性代理。數學推理訓練區分 RMs 與 CMs。
L-MAD：法律領域多代理人辯論結構的系統性評估
L-MAD 是一個專為評估法律推理任務中多代理人辯論結構而設計的新框架。研究發現，雖然增加代理人數量可提高準確性，但過多的討論輪次會導致「過度審議漂移」，進而強化錯誤。
GLM 5.2：以不到一半的 Token 用量達到 98% 的智慧水準
GLM 5.2 引入了高效率推理模式，在顯著減少 Token 用量的同時，達到了最高等級 98% 的智慧水準。使用者回報，相比資源消耗巨大的「最大」等級，「高」等級設定在日常任務中更具實用性。
奧特曼24小時內兩度Token燒毀危機
山姆·奧特曼在24小時內遭遇兩大挫折。這些事件涉及兩種不同的Token消耗方法，旨在解決AI開發中的同一核心問題。這突顯了高效LLM推理的持續挑戰。