Seven Minute Feed·· 8 天前AI 评分42
技术短文:推理模型是在 token 空间中进行路径搜索
Essay: reasoning models are pathfinding through token space
AI 导读
技术短文将 LLM 推理框定为路径搜索,强化学习旨在最大化采样路径集达到正确答案的概率,而非单条路径收敛。 该视角解释了强制单链变长后停滞或失效的原因,并指出无忠实思维链与奖励黑客现象。 样本数量而非单链长度,是驱动测试时性能提升的关键因素。
来源:Seven Minute Feed · alexwang.ai