控制大语言模型推理工作量的实现机制解析

Sebastian Raschka 撰文系统解析了大语言模型中控制推理工作量（Reasoning Effort）与思考时长的技术方案。文章对比了 DeepSeek-V4、Nemotron 3 Ultra、Kimi、GLM-5、Qwen3 与 Inkling 等模型，阐明各家主要通过混合模式监督微调（SFT）、带长度惩罚的强化学习（RLVR）以及硬预算截断来调节推理链长度。