kalomaze：推理压力是更强的信息不对称

kalomaze 提出一个直觉泵：当模型无法直接读取 Mumsnet 页面顶部关于写作者能否怀孕的答案，只能靠风格与情境线索来推断时，这种受限的学习信号反而更有力量。他补充说，这背后是一个事后看显而易见的原理——连 RLVR 都要靠扣留答案、逼模型推理出正确解，这是人为制造的更残酷的信息不对称，从而逼出更强的学习信号。按他的说法，推理压力本身构成一种比直接获取答案更强的信息不对称，也因此更能驱动学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。