第 2026-11-10 期 · 行业追踪 · 研究博文:从路径搜索视角理解推理模型一篇博文提出以“token空间中的路径搜索”理解推理模型:强化学习最大化找到从问题到正确答案路径的概率,但单条思维链并不保证收敛,这也解释了思维链不忠实和奖励黑客等现象。Hacker News11 天前查看原文 ↗