经过总结的思维链增加了迷惑性并且可能额外添加错误，让模型难以被调试。 但不管怎么说，既然公开了，现在免费用户也能一窥o3-mini的CoT，大家还是敞开玩了起来。 o3-mini思维链首批实测 OpenAI多模态Agent的研究员，首先亮出了自己的玩耍方法，让o3-mini玩井字 ...

PPO、GRPO、PRIME这些算法中，长思维链（Long CoT）都能够涌现，且带来不错的性能表现。 而且，模型在推理行为中非常依赖于具体的任务： 对于Countdow任务，模型学习进行搜索和自我验证 对于数字乘法任务，模型反而学习使用分布规则分解问题，并逐步解决 苹果 ...