# 让大模型学会省力思考：低、中、高三档推理模式怎么训出来

> 原标题：Controlling Reasoning Effort in LLMs

- 来源：Hacker News 首页
- 发布时间：2026-07-20T14:35:19.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45481
- 原文：https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms

## 摘要

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。

## 锐评

按 token 预算切推理档位，这个方向对做 agent 的人是刚需。现在最难受的就是简单任务也给你吐两千字思维链，账单全砸在输出上。把不同长度推理链混着训，让模型认预算指令，比在 prompt 里写"简洁点"靠谱得多。GPT-5.6 那五档就是现成的产品形态，谁先把这能力开放到 API 上，谁就能吃到省成本那波。文章没给实验数据，效果先存疑，但思路本身值钱。
