待验证50% 置信解决方案精确时间

压缩思考长度的常见做法是构造短思考-正确答案配对数据进行SFT，或设计长度惩罚奖励函数进行强化学习训练

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

LessThink-Qwen3-4B：把推理Token砍掉44%

涉及实体

后训练concept SFTconcept 强化学习concept

相关事实

待验证业界探索的思考力度校准方向包括基于强化学习训练模型的元认知能力、通过监督微调学习推理深度分布、以及设计动态停止机制73% 相似待验证团队认为在长序列上训练是解决拼接片段接缝问题的方案，且依赖稀疏注意力工作降低训练成本，属于未来的模型迭代72% 相似待验证把思考长度偏好训进权重比在部署时用系统提示词要求简短回答更稳定，后者是外部约束不稳定，前者成为模型默认行为69% 相似待验证学习技术应采用'抓大放小'的方式，先建立整体认知再回头补细节，先跑通完整项目再深究基础环节69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961535

API

curl https://kongchang.com/api/v1/knowledge/claims/961535

MCP

get_claim(id=961535)