主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
FLCVA 审计框架检验自适应推理:继续思考的真实价值有限
arXiv 论文 2611.22778 提出 Full-Ledger Counterfactual Value Audit(FLCVA),把自适应推理拆成三个环节:测量继续推理的局部价值、从可观测信号预测该价值、再用预测结果分配算力。方法是在同一个冻结前缀上,将立即作答与四种固定长度续写进行对照,并对策略使用的每个信号计入成本。 在 GSM8K 和 MATH-500 上,随机 256 token 续写能在 26.6% 的 Qwen3-8B 错误案例和 18.9% 的 DeepSeek-R1-Distill-Qwen-7B 错误案例中纠正答案,同时只有 1.4% 和 1.9% 的正确答案被破坏。来自独立采样续写的正确性标签可以预测另一条续写的结果,说明这种信号本身有可预测性。 但在离线回放中用这些标签分配算力,只在 DeepSeek 上带来性能提升,Qwen3 的收益不明确。论文结论是:在全成本核算下,测试的轻量短视控制器主要只是识别当前错误,除此之外对续写本身几乎没有额外价值。研究还用 Llama-8B 复现和动作/成本消融验证了稳健性。
当前结论
这篇论文拿数据拆穿了自适应推理里的一个常见假设:预测当前答案错了,不代表多想一步就能改对。作者用 Qwen3-8B、DeepSeek-R1-Distill-Qwen-7B 和 Llama-8B 做对照实验,结论对做测试时算力分配的人很有参考价值。做推理调度或 agent 工程的开发者建议看看。
2 个信源36° AI 热度最后更新 2026/11/17 13:44:33
证据链
2 个信源相关来源 1LMSYS Org (SGLang)
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。