跳到正文
RadarAI· X:Thinking Machines (@thinkymachines)·· 23 小时前AI 评分58

Thinking Machines 发布可变循环研究模型,发现 no-CoT 能力随循环次数提升

AI 导读

Thinking Machines 表示,实验发现 no-CoT 能力随循环次数增加而提升;在这一规模下,链式思维变短但仍可读,可监测性没有明显下降。团队同时发布一个可变循环研究模型,供其他人运行自己的实验。

正文 · 原文

Thinking Machines· @thinkymachines · X·2026-11-21 04:10· 1 小时前AI 评分52

AI 导读

Thinking Machines 发现多次循环下 no-CoT 能力随循环次数上升,链式思维变短但仍可读,可监测性没有明显下降。团队同时发布一个可变循环研究模型,供其他人运行自己的实验。

正文 · 原文

We found that no-CoT capability rises with more passes. At this scale, the chain of thought gets shorter but stays legible; we saw no meaningful drop in monitorability.

We’re also releasing a variable-loop research model so others can run their own experiments.

来源:Thinking Machines · x.com

事件后续 · 1

查看事件全部

来源:RadarAI · aihot.news