已验证65% 置信事实精确时间

现代推理模型普遍采用RLHF或其变体RLAIF进行对齐训练，模型在训练中学会何时停止推理、何时输出答案

3

来源数

65%

置信度

长期有效

时效性

2026/7/6

首次发现

来源

GPT-5.5 Codex推理令牌聚集现象解析：性能退化的成因与应对

hackernewshackernews2026/7/4

相关事实

待验证RLHF的人类介入发生在训练阶段并固化为模型权重，属于隐式编码，而表征工程干预在推理时操控内部表征，具有即时性和可逆性83% 相似待验证LLM 后训练中，模型把本应隐藏的中间推理步骤直接吐给用户，或者在 RL 奖励计算时，本该只评估最终答案的奖励模型看到了推理过程，从而扭曲优化方向。79% 相似已验证RL阶段每一步训练需要同时运行推理（生成rollout）和反向传播（更新权重），因此算力需求远高于普通微调78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/112827

API

curl https://kongchang.com/api/v1/knowledge/claims/112827

MCP

get_claim(id=112827)