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。
- simonw
整个推理模型这事儿让我觉得挺有意思，它感觉就像是把两年前 GPT-3 发布后偶然发现的“逐步思考”（think step by step）提示技巧给正式化了。
我控制推理层级最喜欢用的招数是：盯着输出 token 流，找到那个表示“模型已得出结论”的 token，然后把它替换成“等等，但是”（wait, but）的 token，强行让它继续往下写！
- sva_
我推荐他的那本书《Build a Reasoning Model (From Scratch)》，文章里也有链接。
https://sebastianraschka.com/books/#build-a-reasoning-model-...
- razorbeamz
LLM 其实根本不会推理，它们只是通过一遍又一遍地重复内容，营造出一种在推理的假象罢了。