网友质疑：模型被 RL 训成复杂推理表演，一追问就崩

有网友转发观点质疑：模型被 RL 训练成默认进行极度复杂的调查式长推理，但被问一个简单的后续问题时就彻底崩溃。该观点推测这种行为要么是为讨好人类、显得努力，要么是 tokenmaxx，即消耗更多 token。