反直觉:给 Qwen3.8-27B 设思考上限,GPQA 反而从 115 涨到 160

AIFlow_ML · x · 2026-11-18

一张在 AI 圈流传的实测对比图(来源 @niklaslenzai):同一个 Qwen3.8-27B,在 TensorFold 上跑 GPQA Diamond(满分 198),唯一变量是是否用 --thinking-budget 限制思考长度——

结论:设思考预算上限不仅没伤准确率,反而大幅提升,且在三种不同硬件上一致复现(注意:数据来自原帖实测,转发方未复跑)。提示思考时长并非越长越好,本地部署时值得试 --thinking-budget。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →