来自 Taelin（@VictorTaelin）的推文线程

如果这个问题很蠢，请见谅，但是实验室是否也在对原生摘要/压缩形式进行强化学习模型？ 比如，我们不再像以前那样只进行一次推理，在得出答案之前使用大量的思考标记，而是进行多次推理，让下一次推理可以访问前一次推理生成的摘要？ 所以，与其说是“思考思考思考→回答”，不如说是“思考思考思考→总结→思考思考思考→总结→思考思考思考→回答”，然后我们就以此为基础进行RL（实时学习）？ 我的意思是，人类确实就是这样解决问题的。我们不会把所有的推理过程都记在脑子里，我们会有一些顿悟/灵感，让我们能够过滤掉干扰信息，并在真正解决问题之前逐步构建出更完善的问题心智模型（即问题概括）。