arXiv · NLP· Wenxuan Zhu, Shuming Liu, Bang An, Aznaur Aliev, Bing Li, Yibo Yang, Bernard Ghanem·· 2026-10-14AI 评分38
Qwen3 强化学习训练中的思维泄露现象分析
The Thinking Leakage in Reinforcement Learning for LLMs
AI 导读
研究发现,Qwen3 系列混合推理模型在 NO-THINK 模式下进行 GRPO 强化学习时,性能提升主要源于“思维泄露”,即部分重新激活了原模型 THINK 模式的推理能力,而非学习了新的增强行为。
来源:arXiv · NLP · arxiv.org