我的 DeepSeek 思考过程中经常跑偏，你们也是这样吗？

[flyico]

我的 DeepSeek 思考过程中经常跑偏，类似这种：

让我想想，我应该 xxx
不对！我还需要 xxxx （开始跑偏）
等等！也许还可以 xxxx （又跑偏了）
.
.
.
啊！我忽略了 xxx （回到正轨了）


虽然跑偏几次后大部分情况下还是能回到正轨上，但是感觉中间的跑偏过程中浪费了不少 token ，你们也是这样吗？

[lscho]

flash ？这不是跑偏，本来就是这样。。。参数量小的模型就是靠推理时把所有的路径都尝试一下。

[Q2297045667]

正常，尤其是正式版发布之后，更容易跑偏了，经常做一些多余的思考。我怀疑就是浪费 token 故意的，最重要的是，这中间思维链变得又臭又长，大部分都是无效思维

[sentinelK]

知识量越小的模型，越是靠后训练对齐来穷举。

知识量大就有更多的基础认知，就有更多的直觉。能够预测更正确的方向。
知识量小，只能靠坚持和毅力，来磨结果。

另外还有一点，就是最新这波模型的后训练都往“百折不挠”这个性格去对齐了。
就是除非有实质性证据，否则绝对不产生结论。宁肯自己单独写个 python 程序去交叉验证，也不轻易输出结果。

[flyico]

@sentinelK 说的太对了，我的 deepseek 就是这样，为了验证一个问题改没改好，画了几分钟时间劲研究怎么用 Python 把专有格式的包里的文件提取出来，就为了作对比，看着它解包的过程我的 token 哗哗的流...

[sentinelK]

@flyico 昨天我只是想让 flash-0731 帮我把 codex 的 deepseek 的图片输入配置打开，我感觉如果我不劝他，他就要把整个 codex 全逆向了，目地就是证明我引用的图片视觉 skill 工具不是最优实现方式……

[coefu]

不然怎么按量收费？