热点事件持续更新
研究揭示推理模型反思标记“wait”源于数据继承而非自主发现
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv发表的一项研究指出，推理模型在重新思考步骤时输出的“wait”标记主要继承自训练数据，而非强化学习自主发现。研究显示，在基座模型不含该词的前提下，强化学习虽能显著提升MATH-500准确率，但“wait”标记依然几乎不存在，该标记主要是随着中途训练或推理轨迹微调而被引入。此外，研究还指出该标记的出现频率本身并不能代表强化学习诱导的推理水平，并提醒采用大语言模型作为裁判的评估方法可能会得出与人工标注相反的结论。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究指出推理模型的“wait”标记源于训练数据继承，且其频率无法代表强化学习推理水平。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习推理模型中的“Wait”标记源于继承而非自发产生：溯源推理标记来源
研究表明推理模型在重新思考步骤时输出的“wait”标记主要继承自训练数据，而非强化学习自主发现。在基座模型不含该词的情况下，强化学习虽能大幅提升 MATH-500 准确率，但“wait”标记依然几乎不存在，它主要随中途训练或推理轨迹微调被引入。研究还指出标记频率本身不能代表强化学习诱导的推理水平，并提醒大语言模型作为裁判的评估方法可能得出与人工标注相反的结论。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。