论文提出 commitment-verdict 框架识别推理模型的有害过度思考
做推理模型部署的人值得看这篇:它证明只预测最终对错无法决定何时停止推理。文中给出可量化的 commitment-verdict 框架,并测出继续思考平均掉 3.6 分。想自己写停止规则的话,先按这个框架把该测的量测出来。
做推理模型部署的人值得看这篇:它证明只预测最终对错无法决定何时停止推理。文中给出可量化的 commitment-verdict 框架,并测出继续思考平均掉 3.6 分。想自己写停止规则的话,先按这个框架把该测的量测出来。