Inference-Time Compute 是什么？为什么推理模型时代大家开始重新计算“多想一会儿”的价值
Inference-Time Compute 说的不是训练时花了多少算力，而是模型在真正回答用户问题那一刻，愿意投入多少额外计算去想、去试、去筛。这个词最近变热，是因为推理模型把一个老问题重新摆到了台面上：如果模型不是“立刻给答案”，而是允许它多算一点，结果会不会更好？答案通常是会，但账也会更复杂。...
AI百科 • Admin •
92
Reasoning
找到 3 篇相关文章
Test-Time Scaling 是什么？为什么模型“多想一会儿”会突然变强
Test-Time Scaling 可以理解成：在模型真正回答问题时，给它更多推理预算、更多尝试次数或更长的思考空间，从而换取更好的结果。它之所以火，是因为很多人发现，模型能力不只取决于训练时多大，还取决于“回答当下愿不愿意多算一会儿”。 它到底在扩什么 - 可能是更长的推理步骤，让模型别太快下结论...
AI百科 • Admin •
98
RLVR 是什么？为什么推理模型火了之后，它比 RLHF 更常被提起
RLVR 通常指 Reinforcement Learning with Verifiable Rewards，也就是“带可验证奖励的强化学习”。它最近会比 RLHF 更常被提起，核心原因不是 RLHF 失效了，而是推理模型兴起后，很多任务开始可以用“答案对不对”来直接打分，而不用全靠人类偏好做反馈...
AI百科 • Admin •
213