过程奖励模型

AI 研究

思维链中的泡沫：新基准揭示大语言模型在有效但无用的推理上浪费标记

大语言模型通常生成正确但塞满不必要步骤的推理链。一个新的诊断基准和压缩方法表明，当前评估器完全忽略了这种低效性，而人类编写的推理步骤中可能有半数可被压缩。

2026-07-31