论文与研究

Anthropic 等机构研究揭示大型推理模型的测试时计算反向扩展现象

原文标题:Inverse Scaling in Test-Time Compute

AI 摘要

Anthropic Fellows Program 等机构构建评测任务,发现延长推理长度反而降低大型推理模型准确率,呈现测试时计算的反向扩展,并归纳出五种失败模式。

关键信息

  • Anthropic Fellows Program 等机构构建评测任务,发现延长推理长度反而降低大型推理模型准确率
  • 呈现测试时计算的反向扩展,并归纳出五种失败模式
  • 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

速览

发布时间
更新时间
来源
Anthropic:Alignment Science Blog(网页)
分类
论文与研究
AI 评分
68
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Anthropic 等机构研究揭示大型推理模型的测试时计算反向扩展现象。2025年7月23日。https://new.nat6.net/news/pfau6cm0y08yi1y2alvpxdj79/

查看全部 →