研究：推理模型的“wait”标记源自训练数据而非强化学习

一项研究追踪开放模型的训练历史后称，推理模型中的“wait”标记来自训练数据，而非强化学习产生。作者通过频率、位置、形式和用法等指标及注入错误测试分析模型输出，得出上述结论。 研究称，在缺少该词的基座模型上，强化学习虽能大幅提升 MATH-500 准确率，但“wait”几乎不出现，说明该词并非强化学习带来的新行为。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。