更高推理努力不保证更好结果，最高档成本可达最低档42倍。
资讯摘要
论文将推理努力程度视为一种信任品：用户先付费、后看结果，却无法判断多花的算力是否必要。作者在四类基准上测量专有与开放权重模型的反事实效应，发现更高努力虽能提升总体准确率，却常在同一任务上失败；在各级努力都能解决的简单任务上，最高档成本可达最低档的42倍，且会改变智能体的解题轨迹。论文提出从最低档起步、仅在验证失败后升级的简单策略。
要点速读
- 论文在四个基准上测量推理努力对专有和开放权重模型的反事实影响，覆盖单次调用推理与长程智能体任务。
- 在各级努力都能解决的简单任务上，最高努力档成本可达最低档的42倍。
- 更高努力会改变智能体行为：更多自我验证与搜索，轨迹变长但结果未必改变；论文提出从最低档起步、验证失败后再升级的策略。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。