让大模型学会省力思考:低、中、高三档推理模式怎么训出来
Controlling Reasoning Effort in LLMs
Sebastian Raschka 在这篇文章里讲了一种训练方法,让同一个推理模型能按需切换思考强度,而不是每次都全力运转。他先用 GPT-5.6 的五档推理设置引出话题,然后明确推理模型的定义:会输出中间步骤、一步步推演的模型。核心做法分两步:训练时用强化学习加可验证奖励(RLVR),推理时靠 token 预算来控制生成长度。
推荐理由:Sebastian Raschka 拆解了一种训练方法,让同一个推理模型按需切换思考强度,训练时用强化学习加可验证奖励,推理时靠 token 预算控制生成长度。