按思考强度调成本？
nrehiew_ · x · 2026-07-16
在讨论一种“按 token 调整成本”的训练/推理机制时，作者猜测这可能是在根据思考强度调整长度惩罚，从而影响了 CoT 里更压缩的表达方式。
这条是基于对相关结果的推测，不是官方确认，但指向的是模型训练信号如何塑造输出风格。
所属事件:Inkling 表现与相关架构猜测升温(7 条相关)→
「模型」频道最新
- 传 OpenAI 在 Astra 中使用 neuralese 循环变换器，新的 scaling 轴浮出水面 — imadade · 2026-09-03
- XBOW 团队拿下今年首个 Chrome 全链漏洞利用奖励 — moyix · 2026-09-03
- Gemini 3.8 Flash 的 Pareto 最优地位仅维持了 5 小时 18 分钟 — alejandroll10 · 2026-09-03
- 双 DGX Spark 实测：GLM-5.3-Flash 写作与视觉胜过 DeepSeek-V4-Flash — kuhunaxeyive · 2026-09-03
- Anthropic 商务智能体只建购物车交人工结账,被赞退款风控思路对 — HaktanSuren · 2026-09-03
- Qwen3.8 27B Q8 翻车:12 万 token 后发现根本没读计划,自行实现别的功能 — KingCpzombie · 2026-09-03