Papers & Forschung

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
Quelle
Anthropic:Alignment Science Blog(网页)
Kategorie
Papers & Forschung
KI-Bewertung
68
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

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.

Originalartikel · AIHOT-Eintrag

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/

Alle ansehen →