待验证50% 置信事实精确时间
扩散语言模型的推理能力可以通过推理时的搜索策略增强，而不必依赖额外的后训练。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证大型语言模型在生成选项时默认优化合理性而非可辨别性，因为训练目标是预测合理的词78% 相似待验证若训练集能充分覆盖推理时可能出现的工具类型和参数组合，小模型同样能学到可靠的格式生成能力，而不必依赖大模型的深层语义推理78% 相似待验证基于大语言模型的Agentic优化方法不依赖预定义的搜索空间或调度模板，而是借助模型的代码理解与生成能力探索更开放的优化路径77% 相似已验证推理范式本质上是将强化学习应用于语言模型的后训练阶段，让模型自主探索推理路径并根据答案正确性获得奖励反馈，最早在o1系列模型中公开展示76% 相似已验证提示词工程的有效性根植于大语言模型的「上下文学习」（In-Context Learning）能力，无需修改模型权重即可实现任务切换75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074012API
curl https://kongchang.com/api/v1/knowledge/claims/1074012MCP
get_claim(id=1074012)