把推理看作 token 空间寻路:RL 优化的是命中率而非单链正确性

bibryam · x · 2026-11-20

Alex Wang 撰文探讨「推理到底在解决什么目标」这一问题,提出把 LLM 推理理解为 token 空间中的寻路(pathfinding):模型每次采样都是在从 prompt 出发寻找通往正确答案集合的路径。

核心论点:

这一视角还解释了一些反常现象,如思维链不忠实(unfaithful CoT)与过度思考反而变差等。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →