#模型时代# 对DeepSeek等推理模型的惊人发现：答案越啰嗦，错误率越高。反之，越简洁就越正确。

UC 伯克利教授Alex Dimakis刚发推说了一个很有趣的现象。对于DeepSeek-R1 和所有推理模型：错误答案要长得多，正确答案要短得多。即使是同一个问题，当重新运行模型时，它有时就会产生一个简短（通常是正确的）答案或一个错误的冗长答案。

基于此，他提出一个简单的假设，称为 Laconic 解码：运行模型 5 次（并行），并选择具有最少Token数的答案。

在博士生Negin Raoof的协助下，他们做了测试验证。初步结果表明，这种解码在AIME24 上仅需几次并行运行就能产生 +6-7% 的效果。这比共识解码更好（也更快）。

应该怎么说，难道是奥卡姆剃刀原理？如非必要，勿增实体。啰嗦就是模型胆怯，输出虚假答案的信号。