北京
分享至
表面看，切换档位只是改了句 system prompt。但模型可不是你让它“更努力”它就照办的乖乖学生。
这里头藏着条关键线索：RLVR 训练。模型必须先经过强化学习验证训练，学会把“高/低推理”标签当作真实的计算预算指令来执行。没练过这个，再精致的 prompt 也是空话。
更有意思的是 标签。你以为它锁住了思考过程，其实更像个装饰性容器——把中间推导打包展示，附带档位标记。档位越高，模型学会往里塞更多 token，但边际收益递减很快。
一句话：档位能生效，全靠 prompt 约定遇上匹配的训练配方。还没选对基础模型？三档可能是骗自己的。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
