这些推理过程让我夜不能寐 左边：新的 OpenAI 模型获得了 IMO 金奖 右边：DeepSeek R1 在一个随机数学问题上的表现 你需要意识到，自去年以来，学术界已经产生了超过一千篇关于推理的论文（可能更多）。我们几乎都在思考推理 但我们所有的系统产生的“思维痕迹”看起来都像右边的 DeepSeek。它们极其冗长，以一种几乎疏忽的速度消耗着代币。很多推理都是不必要的，有些甚至完全错误 但左边的推理，这个新东西，完全是另一回事。显然是一个阶跃函数的变化。可能是完全不同的方法 它更接近于*实际*推理。没有代币被浪费。如果说有什么不同的话，那就是它异常简洁；我猜人类的解决方案比这更冗长 显然，有些非常不同的事情正在发生。也许 OpenAI 开发了一种全新的 RLVR 训练过程。也许他们从专家那里收集了一些特殊的数据。也许他们开始惩罚模型过度思考，以一种实际上对其有益的方式 真的很有趣……总的来说，这让我对 R1 风格的推理持悲观态度

@marlboro_andres 是的，有几个：