Hacker News· ilreb·· 4 小时前AI 评分37
研究揭示 LLM 强化学习中的"思维泄漏"：Qwen3 的 NO-THINK 训练增益多来自 THINK 模式复激活
The Thinking Leakage in Reinforcement Learning for LLMs
AI 导读
一项研究指出，Qwen3 等混合推理模型在 NO-THINK 模式下用 GRPO 做强化学习所报告的推理提升，很大程度是"思维泄漏"——部分重新激活了原模型 THINK 模式的能力，而非学到更强的推理行为。
来源：Hacker News · arxiv.org