思考强度决定能力上限:从 R1-Zero 论文看 max 档 SWE 倒挂之争
karminski3 · x · 2026-09-14
博主 karminski3 参与「DeepSeek 开 max 还是 high」的争论,反对「思考强度与性能无关」的说法,引用 DeepSeek-R1-Zero 论文指出:在零 SFT 的纯 RL 训练下,不增加任何新知识,仅靠更长的思考链,AIME24 成绩就从 15% 飙到 71%,证明思考强度越强模型能力越强。
他还串联了三篇材料讨论:为什么 max 档测 SWE 会倒挂、开 max 是否真的最优、以及如何让模型在思考时正确停止。链接的复旦 NLP 组论文《Reward Hacking in the Era of Large Models》系统梳理了 RLHF/RLVR 中因优化代理信号而引发的 reward hacking 机制与涌现性错位问题。
他重申观点:SOTA 模型应是完美的信息压缩器,用最少 token 解决最难问题,输出冗长思考再给答案不算 SOTA。
所属事件:DeepSeek 测试档位之争：思考强度是否影响性能(4 条相关)→
「模型」频道最新
- Anthropic 递交纳斯达克上市申请，半年营收 163 亿美元同比增 12 倍 — DeepLearningAI · 2026-10-31
- ThursdAI 播客辩论:Opus 7 将至,「跑分变好」还重要吗 — thursdai_pod · 2026-10-31
- Swift 1.5 Flash Next 去审查逆向版新增多种量化，IQ4 精度换体积 — jjusko20 · 2026-10-31
- 14 个模型测 960 项分析师任务:做分析近满分,选股不如随机 — HeyAmit_ · 2026-10-31
- Anthropic 官宣：11月3日起 Claude 输出将带不可见文本水印 — petesena · 2026-10-31
- 四款 GPT-6 系列模型同台比拼像素画生成效果 — Angaisb_ · 2026-10-31