推理预算 LLM-DailyDigest 2026-08-21 2026-08-21 约 100 字 预计阅读 1 分钟 推理预算 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 反思早停 1 EvoResearcher：免训练的推理时自我反思与成本约束早停 08-20 奖励机制设计 1 QGLAS：开放式强化学习的响应长度控制 09-30 安全评测 2 RT-SAFE：实时具身智能体安全评测基准 10-08 不诚实回答引发大模型推理 Token 激增 10-08 定价机制 1 LLM 推理服务的默认设计与 Token 定价 08-16 弱模型探索 1 弱模型引导提升 RLVR 推理探索能力 08-28 强化学习 1 Outcome RL 的收益：提升完成率与可靠性，鲜少拓展能力边界 10-27 推理扩展 2 LEV：通过循环决策模型实现快速与深度思考 10-18 小模型语法约束 Text-to-SQL 的推理时扩展极限 08-27 推理效率 2 多智能体共享上下文中的 Token 预算理论：多思考还是多阅读？ 10-19 Claude 编程 effort 参数实测：日常选 Low，漏洞挖掘再开 Max 09-26 推理早停 2 Settle：从答案稳定性学习何时停止推理 10-01 AI 何时停止过度思考？长推理模型的早停难题 09-14 提示优化 1 Claude Fable 5.1 提示与工程实践指南 09-07 模型发布 2 Grok 4.7发布：强化Coding、Agent与长时复杂任务 09-23 Qwen3.8-27B开源：消费级显卡可运行“Opus级”Agent 08-16 测试扩展 1 真实开放任务中的测试时扩展：瓶颈在利用而非探索 08-20 测试时优化 1 SPLIT：不完美验证器下的测试时计算分配 10-19 策略优化 2 Info-GRPO：面向长链推理的相关性感知探索 10-27 ThinkPrior：RLVR 冷启动提示选择的零 Rollout 难度先验 09-09 算力分配 1 Learning When to Think：自适应分配测试时推理算力 08-21 算法设计 1 AI4AI-Bench：评测 LLM 智能体的递归自改进算法设计能力 08-21 置信度评估 1 置信度校准的评估器引导测试时推理扩展 10-18 自我验证 1 LLM-as-a-Verifier：自验证让 DeepSeek V4 Flash 低成本反超闭源模型 08-21 自适应想象 1 RISE：世界动作模型的自适应想象与选择性推演 08-26 规则推理 1 具体—任意表述鸿沟：LLM 亲属关系推理受呈现方式影响 10-01 评测审计 1 Claude Sonnet 5.5在ARC-AGI-3适配框架下得分72.4% 10-22 采样控制 1 扩散语言模型的自排斥采样 10-01 顶级会议论文 1 小米 8 篇大模型与智能体论文入选 EMNLP 2026 08-29 预算分配 1 轻量多模态模型估计 LLM 推理表现，实现文档推理预算优化 08-20
