Hugging Face · 每日论文· 媒体 / 作者来源·精选
推理模型中“等待”的来源：追踪其传承而非发明
原文标题
Inherited, Not Invented: Tracing the Provenance of Wait in Reasoning Models
AI 导读
研究指出，强化学习（RL）并非教会推理模型使用“等待”一词的关键，因为即使没有这个词，大型RL的准确率提升也并不需要它。研究通过分析开放模型的训练历史，发现“等待”一词并非由RL创造，而是来自训练数据。研究还发现，在缺乏这个词的基座上，RL可以将MATH-500准确率大幅提升，而“等待”一词仍然很少出现。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
揭示了“等待”一词在推理模型中的来源，有助于理解RL对模型的影响。
导读由模型辅助整理，非独立核验。完整信息见原文。