小红书Hi Lab团队提出可大幅降低平均思考长度的强化学习训练方式
创始人
2025-06-20 11:06:42
0次
新榜讯 6月19日，小红书技术团队发布消息，其深度思考模型借助Test - Time Scaling（测试时扩展）显著提升了模型推理能力，不过也产生了大量冗余和无效思考情况。小红书Hi Lab团队为此提出Think When You Need的强化学习训练方式，在不影响最终效果的情况下，实现了动态CoT能力，让平均思考长度大幅降低。实验表明，这一理念在推理及非推理等各类任务中具有广泛适用性。此外，团队还有一项重要发现，在相同任务下，参数量大、更为“聪明”的模型所需的思考长度更短，该现象与当前深度思考模型的表现相悖，却高度契合人类认知。
相关内容
热门资讯
支付宝“晓政”赋能民政服务数字...
（来源：雷峰网） 七夕婚姻登记高峰将至，支付宝政务 AI 助手 “晓政”联合民政部民政通推出婚姻登记...
初心资本参投企业宇树科技科创板...
2026 年 8 月 19 日，宇树科技（股票代码：688836.SH）在上交所科创板正式敲钟上市，...
圆通速递上半年净利润增超七成 ...
上证报中国证券网讯（记者 韩远飞）8月19日晚，圆通速递发布2026年半年度报告。报告显示，公司上半...
盱眙农商银行：深耕产业金融 赋...
今年以来，盱眙农商银行立足本土县域特色产业，深耕专业化产业金融，创新授信评价体系、优化全生命周期金融...
宁波银行(002142.SZ)...
2026年8月20日，宁波银行(002142.SZ)发布2026年中报。 公司营业总收入为414.5...
原创 美...
全球化的当今时代，国际形势的变化往往可以在意想不到的地方引发连锁反应。谁能想到，一场发生在中东地区的...
运营商财经网康钊：宇树科技上市...
运营商财经 康钊/文 8月19日，宇树科技上市首日表现非常棒。发行价格为150.8元/股，发行市盈...
丙烯酰胺含量超标，柚家一批次厨...
三湘都市报8月19日讯（全媒体记者 卜岚 通讯员 蔡珺慧）今日，上海市市场监督管理局发布公告，上海柚...
7天期逆回购连续“零投放”不等...
■刘琪 截至8月19日，中国人民银行已连续7个交易日将7天期逆回购操作量维持在“零投放”，引起市场广...
原创 我...
先看一条容易被忽略的公司公告：国投电力控股子公司雅砻江流域水电开发有限公司，拟联合宁德时代设立合资项...