Anthropic und weitere Institutionen zeigen inverse Skalierung von Test-Time-Compute bei großen Reasoning-Modellen
Originaltitel:Inverse Scaling in Test-Time Compute
KI-Zusammenfassung
Das Anthropic Fellows Program und weitere Institutionen haben Evaluierungsaufgaben entwickelt und festgestellt, dass längeres Reasoning die Genauigkeit großer Reasoning-Modelle verringert – ein Fall inverser Skalierung von Test-Time-Compute. Sie identifizierten fünf Fehlermuster.
Kernpunkte
- Das Anthropic Fellows Program und weitere Institutionen haben Evaluierungsaufgaben entwickelt und…
- dass längeres Reasoning die Genauigkeit großer Reasoning-Modelle verringert – ein Fall inverser…
- Sie identifizierten fünf Fehlermuster.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 68
研究给出五类测试时计算反向扩展的失败模式,并附带安全含义,可帮助读者理解长推理并非总是增益。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Anthropic und weitere Institutionen zeigen inverse Skalierung von Test-Time-Compute bei großen Reasoning-Modellen. 23. Juli 2025. https://new.nat6.net/de/news/pfau6cm0y08yi1y2alvpxdj79/