长度惩罚

来自复旦大学、上海交通大学及上海人工智能实验室的研究者共同完成了这项工作。第一作者江书洋是复旦大学与上海人工智能实验室的联合培养博士生，目前在实验室担任见习研究员，师从上海交通大学人工智能学院的王钰教授与张娅教授。 以DeepSeek-R1和OpenAI GPT Thinking为代表的大型推理模型，凭借长达数千token的“思维链”，在各类复杂推理任务中展…