控制大语言模型的推理强度：从训练机制到模型成本权衡

Sebastian Raschka 解释了 LLM 推理强度控制的基本机制，包括 RLVR、提示词、长度惩罚、硬 token 预算与 SFT。文中对比 DeepSeek V4、Nemotron 3 Ultra、Kimi K2.5、GLM-5、Qwen3 和 Inkling 的公开做法，指出模型规模与推理强度是影响成本和性能的两个独立维度。