腾讯混元 E-GRM 让模型学会“自我怀疑”：拿不准才多想，入选 ACL 2026
告别“无脑”长推理！腾讯E-GRM让模型学会“自我怀疑”：拿不准才多想，拿得准直接答
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
腾讯混元团队联合 UNSW 提出生成式奖励模型 E-GRM，用模型自身多次采样的答案一致性判断输入复杂度，收敛则直答、不收敛才触发 CoT。在 RM-Bench、RMB、RewardBench 三个基准上，约 58% 样本被路由到直答，延迟降低 62%，准确率还有提升。该工作入选 ACL 2026。
来源：量子位 · 微信公众号 · mp.weixin.qq.com