的奖励优化，赋能长思维链安全的验证 44 技术对比讨论：Over-Thinking ➢ 强推理模型存在Overthinking的行为 ➢ 过多的语气词，例如 Wait 等 ➢ 一些模型经常会不分场合使用一些高 端词汇，典型的如量子纠缠（会用在 各个领域） ➢ 对于一些简单的数学问题例如 2+3 =？ 也会过多思考 ➢ 看似有反思范式，重复Pattern多，可能会 导致更好的表现，但是会带来training