GPT-5.6：如何控制LLM的推理努力

Controlling Reasoning Effort in LLMs

自从OpenAI发布o1模型以来，推理型大模型已成为行业标配。DeepSeek-R1通过可验证奖励的强化学习（RLVR）进一步推动了这一趋势。如今，OpenAI推出的GPT-5.6系列更是提供了多种推理努力等级。本文深入探讨了如何通过训练扩展和推理扩展来提升模型性能，揭示了推理模型背后的技术细节，包括RLVR训练方法、推理过程中的自我修正机制，以及推理努力等级的实际应用。

"在人工智能和大语言模型研究中，"推理模型"指的是能够输出中间推理轨迹的模型，它像是一个逐步解决问题的中间响应。"