Flash 模型如果没有经过专门的 RL 训练，如果 Prompt 写得过于宽泛（如“深入思考每一种可能性”），它往往只是在机械地模仿“我很纠结、我正在推敲… · @Maxwell_SCU · TwKit

@Maxwell_SCU

Flash 模型如果没有经过专门的 RL 训练，如果 Prompt 写得过于宽泛（如“深入思考每一种可能性”），它往往只是在机械地模仿“我很纠结、我正在推敲”的语调，产生大量冗余 Token 却毫无实质逻辑突破。小米 的mimo模型 有时候就会出现这种事情。奇怪的是 mimo 2.6 经常 在无效纠结了 几万或者几十万 token之后 ，突然又把正确的事情 想出来了。 这 有点像是 愚者千虑 必有一得 的感觉了。可能 就是 模型本身 能力 一般，RL训练 拉到极致的模型 的一种能力。

曝光 279 · 评论 0 · 点赞 2 · 书签 0