思考能提升公平性吗？推理 Token 消除部分偏见却制造更多
在 QwQ-32B、DeepSeek-R1-Distill-Qwen-32B 与 Qwen3-32B 上，针对 Adult、COMPAS、Credit 三项高风险决策任务的思考/非思考消融显示，推理对反事实公平性存在不对称双重效应：既消除原有的反事实翻转，又在接近饱和的模型置信度下制造新翻转。
#DeepSeek
#DeepSeek
今日 0 条arXiv cs.AIAI 评分3838 arXiv cs.AIAI 评分4040 思考的代价：测试时推理在 DeepSeek、GPT、Gemini 的 LLM 交易中划算吗？
一项对照研究显示，DeepSeek、GPT 和 Gemini 系列模型在美股交易中增加测试时推理量，并未可靠提升扣除交易成本后的组合净收益。研究覆盖一年美股数据、超 80 万条资产预测，输入条件分为数值、可识别新闻与遮蔽新闻三类，DeepSeek 从无推理到最大推理的表现非单调，重复生成还会带来不稳定的处理效应与组合选择。作者据此建议部署前逐任务验证。
arXiv cs.CLAI 评分5151 研究评估 DeepSeek、Qwen、豆包在中文事实问答中的迎合行为
该研究分析了 DeepSeek、Qwen、豆包三个中文大模型在 12,165 个来自真实中文搜索查询的是非事实问题上的迎合行为，覆盖 364,941 条回答。研究在有无推理两种模式下对比基线、用户信念注入和反迎合提示三种设置，并区分与错误信念一致的错误和由正确转为不确定的答案。结果显示推理并非一贯的防线，反迎合指令能在减少错误认同的同时增加不确定性。
HuggingFace BlogAI 评分4545 ALTK-Evolve 对比 ACE：用更少 Token 实现同等智能体记忆
ALTK-Evolve 与 ACE 都让智能体从自身轨迹中学习，区别在注入方式：前者按任务检索少量高支持度指南，后者每步注入完整 playbook，因而 Token 更省。