美团搜推Agentic System X (AsX) 团队 投稿 量子位 | 公众号 QbitAI LRM通过简单却有效的RLVR范式，培养了强大的CoT推理能力，但伴随而来的冗长的输出内容，不仅显著增加推理开销，还会影响服务的吞 吐量，这种消磨用户耐心的现象被称为"过度思考"问题。 针对这一缺陷，来自美团等机构的研究团队提出 可验证的过程奖励机制（VSRM） ， 鼓励CoT中的"有效步骤"，惩戒"无效步骤"，最大限 度保持性能的同时，实现高效推理 。 通过在数学任务上的实验显示，在多个常用benchmark上， VSRM加持的后训练使得不同尺度的模型实现了输出长度的大幅缩减 ，甚至在部 分情况下提升了模型表现。 过度思考问题的本质 此前的工作将过度思考问题的现象总结为：对于一个问题，模型倾向于给出多种不同的解答，特别简单的问题。在这一认识的基础上，作者团 队更进一步，对现有LRM在MATH-500上做出的回复进行了深入的case study。 | Find the number of integer values of k in the closed interval [-500,500] for whic ...