微软 When2Think:AIME24 Pass@3 提升 10%,token 用量省 27.9%
microsoft · hf · 2026-09-18
微软提出 When2Think，一个针对混合推理模型的后训练框架，解决大推理模型「简单题想太多、难题想不够」的系统性低效。
- 思路：把高效推理建模为按题目难度实例自适应分配算力的问题，学习何时用 System 1（直接作答）vs System 2（扩展推理）
- 方法：核心是 Instance-level Difficulty-Aware Control（IDAC）奖励塑形，利用预计算的准确率与 token 用量参考统计来调节推理深度；配合验证器奖励与批内标准化优势，无需学习奖励模型或在线参考模型查询即可稳定实现 critic-free 优化
- 结果：AIME24 上 Pass@3 提升 10.0%、token 用量减少 27.9%；AIME25 上达 40.0% Pass@3，超过压缩类和纯路由类基线
「研究」频道最新
- Anthropic 称将「即将」达到 RSP 加速 AI 研发阈值，并发布可证明推理研究 — tobyordoxford · 2026-11-04
- Google 扫描 1033 件真实家居品,打包成 345MB GLB 免费开放 — victormustar · 2026-11-04
- 这 10 篇 GPU 优化论文决定了今天模型跑得多快 — NandoDF · 2026-11-04
- 实测推翻常见建议：INT8 几乎无害，采样器才是关键 — YakovSava · 2026-11-04
- Karpathy 带火 HN 开源数据集：千万级帖子可当知识库直接用 — huangyun_122 · 2026-11-04
- PixelCraft 多智能体框架登场：专治多模态模型读图表翻车 — burkov · 2026-11-04