研究：NO-THINK强化学习增益多来自思维泄漏
热点事件持续更新
研究：NO-THINK强化学习增益多来自思维泄漏
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一项由 Wenxuan Zhu 等研究者发表的论文指出，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”：增益主要来自部分重新激活原模型 THINK 模式的推理能力，而非学到更强的推理行为。 该结论针对的是混合推理模型在 NO-THINK 模式下的强化学习训练，研究者称其提供了相关证据。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 11:49
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 模式复激活报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hacker News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
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。
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。