行业追踪

135 条

仅显示 2026年11月10日 周二 的内容 · 查看全部日期 →

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 News ·
加载更多