Unverified50% confidenceFactExact time
Google DeepMind有论文指出，让较小模型花更多时间深度思考、生成数十万token，可在小模型本身有一定胜算的问题上跑赢体量大14倍的模型
1
Sources
50%
Confidence
Long-term
Relevance
10/4/2026
First Seen
Sources
Related Entities
Related Claims
VerifiedDeepMind 研究表明在某些数学推理任务上通过增加推理时计算量，较小模型可以超越参数量更大的模型80% similarUnverifiedGoogle DeepMind在AlphaCode等研究中验证了自我修正（Self-Correction）机制的价值，但会带来更高推理成本和更长执行延迟78% similarVerifiedGoogle DeepMind提出了Nested Learning（嵌套学习）相关方法77% similarUnverifiedDeepSeek 极简模式搭配 Max 往往能激发出模型最强的推理能力，代价是响应延迟更长、token消耗更高75% similarVerifiedGoogle DeepMind的Chinchilla论文优化了模型参数量与训练数据量的最优比例74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/973416API
curl https://kongchang.com/api/v1/knowledge/claims/973416MCP
get_claim(id=973416)