Ahead of AI· Sebastian Raschka, PhD·· 2026-07-18AI 评分38
如何在 LLM 中控制推理努力程度
Controlling Reasoning Effort in LLMs
AI 导读
文章以 OpenAI 上周发布的 GPT-5.6 系列为例,讲解如何训练具备多种推理努力档位的推理模型。GPT-5.6 分三种规模,每种约有五到六档推理努力设置,其中 Ultra 档借助四个子智能体加速,benchmark 数据暂未公布。文中还回顾了 DeepSeek-R1 的 RLVR 训练方法,指出仅用最终答案奖励即可让模型学会回溯与自我纠错。
来源:Ahead of AI · magazine.sebastianraschka.com