งานวิจัยจาก Anthropic และสถาบันอื่นเผยปรากฏการณ์การขยายย้อนกลับของการคำนวณขณะทดสอบในโมเดลการให้เหตุผลขนาดใหญ่
หัวข้อต้นฉบับ:Inverse Scaling in Test-Time Compute
สรุปโดย AI
Anthropic Fellows Program และสถาบันอื่นสร้างภารกิจประเมิน พบว่าการยืดความยาวการให้เหตุผลกลับลดความแม่นยำของโมเดลการให้เหตุผลขนาดใหญ่ สะท้อนการขยายย้อนกลับของการคำนวณขณะทดสอบ และสรุปรูปแบบความล้มเหลวได้ 5 รูปแบบ
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Anthropic:Alignment Science Blog(网页)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน AI
- 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: งานวิจัยจาก Anthropic และสถาบันอื่นเผยปรากฏการณ์การขยายย้อนกลับของการคำนวณขณะทดสอบในโมเดลการให้เหตุผลขนาดใหญ่ 23 กรกฎาคม 2025 https://new.nat6.net/th/news/pfau6cm0y08yi1y2alvpxdj79/