把推理理解为 token 空间寻路:一条 RL 潜在推理行为的长文解读
StanfordAILab · x · 2026-11-11
作者 heyyalexwang 为搞清 RL/推理训练中的一些怪异行为(尤其是潜在推理)，回到基本概念写了一篇长文，提出把「推理视为 token 空间中的寻路(pathfinding)」这一框架，用来纠正自己对推理目标函数的误解。原文链接指向其博客，适合想理解 reasoning 模型优化在解什么问题的读者。
「研究」频道最新
- PNAS 论文：检验档案数据研究结论的普适性 — RexDouglass · 2026-11-11
- ETH 研究者 1 小时 vibe coding 复现 SuperMimic,1.5 GPU 小时跑通 LAFAN — ChongZzZhang · 2026-11-11
- ICSE 2027 LLM4Code 第四届工作坊征稿,11月13日截稿 — LingmingZhang · 2026-11-11
- Basis 发布动力系统概率编程库 Dynestyx，一套接口支持预测与反事实推理 — xuanalogue · 2026-11-11
- 慕尼黑工大新法免路径追踪,实时渲染体积光照快 5000 倍 — ssh4net · 2026-11-11
- 前字节 Seed 顾全磷创业 4 个月出 NovaAtom,抗体预测碾压 AlphaFold 3 — CodeByPoonam · 2026-11-11