热点事件持续更新
研究揭示混合推理LLM强化学习中的思考泄漏现象
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月，发表于arXiv的一项自然语言处理研究揭示了大语言模型在强化学习中的“思考泄漏”现象。研究发现，混合推理大语言模型在NO-THINK模式下经强化学习获得的推理能力提升，主要源于部分重新激活了原模型的思考能力，而非学会了增强的推理行为。研究团队采用GRPO在Qwen3-1.7B、4B和8B模型上进行训练，并深入分析了内部激活与注意力头。结果显示，模型准确率接近但并未超越原有的THINK模式；此外，若替换低维思考激活子空间，训练获得的大部分性能增益便会消除。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
研究发现混合推理模型在强化学习中出现思考泄漏，增益并非来自新学推理行为。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv 自然语言处理研究揭示大语言模型强化学习中的思考泄漏现象
新研究发现混合推理大语言模型在 NO-THINK 模式下通过强化学习获得的推理提升主要来自部分重新激活原模型的思考能力，即思考泄漏，而非学会了增强的推理行为。研究团队使用 GRPO 在 Qwen3-1.7B、4B 和 8B 上训练并分析内部激活与注意力头，发现模型准确率接近但未超越 THINK 模式，且替换低维思考激活子空间会消除大部分训练增益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。