3月26日晚，倩文大模型技术负责人林俊阳在社交平台发文。离开阿里巴巴后，他发表了第一篇长论文，详细介绍了他对大规模模型发展路径的理解并预测了人工智能的下一阶段。林俊阳表示，近两年重塑了行业对大车型的估值方式和核心预期。 OpenAI 的 o1 表明“思考”可以是一项经过训练的技能。 DeepSeek-R1 也做了同样的事情，复制了推理后训练，并表明它可以扩展到原始实验室之外。这个阶段非常重要。但在2025年上半年，行业的主要焦点仍将集中在“推理思维”本身：如何让模型在推理的同时更多地思考。是时候问问接下来会发生什么了。他的判断是理智的身体思考。在与环境互动的过程中，我们思考行动，并根据世界的反馈不断更新我们的计划。林俊阳 前钱文大型模型技术负责人表示，钱文团队在2025年初有一个远大的抱负，就是打造一套思维与命令模式合二为一的集成系统，支持推理力度可调（以及低/中/高推理设置），还可以根据消息的单词和上下文自动推理出适量的推理量。这使得模型能够独立决定何时直接响应、何时思考一段时间以及何时响应。真正困难的问题需要大量的计算。从概念上讲，这是正确的方向。然而，“合并”说起来容易，但真正实施起来却极其困难。真正的挑战在于数据。当我们讲思想与教学融合时，我们往往首先想到模型的兼容性。更严重的问题是两种模式的数据分布和运营目标存在显着差异。当尝试 balance 模型融合与提高训练后数据的质量和多样性，团队往往无法把所有事情都做好，导致两个方向的表现平平。 “思考”行动变得嘈杂、多余或不那么果断； “命令”行为变得不那么清晰、不那么可靠，而且比企业用户真正想要的更加昂贵。实际上单独运行它们仍然很有吸引力。 2025 年末，Qwen 2507 版将发布单独的 Instruct 和 Thinking 版本，一种用于 30B，一种用于 235B。他的最终见解是，真正成功的合并需要一系列流动的推理努力，并且模型可以自行决定投入多少思考努力。 “更长的推理链并不一定意味着模型更聪明。在许多情况下，更长的推理链意味着模型正在浪费计算能力，”Toshihiro Hayashi 在文章中说。他表示，钱问团队意识到，行业正在从培训模式的时代走向到了培训代理人的时代。其特点是与现实世界的闭环交互。智能思维和演绎思维涉及不同的优化目标。演绎思维通常是通过最终答案之前的内部思维质量来判断的，例如模型是否可以解决定理、编写证明、生成正确的代码或通过基准测试。 Agent思维重点关注模型在与环境交互的过程中是否能够继续avastart。这意味着核心问题始于“模型能思考吗？”你参加考试的时间够长吗？我们能否以支持有效行动的方式来思考“过渡”模式？ “模型训练的核心对象也发生了变化，成为一个完整的模型和环境体系。当然，模型架构和训练数据仍然重要，但环境设计、部署基础设施、测试器的鲁棒性以及多个智能体之间如何协调已经移动到了中心圈。 “良好思维”的定义也发生了变化。也就是说，不是最长或最突出的轨迹，而是在实际约束下最能支持行动的轨迹。林俊彦预测，智能物理思维将成为主流。
特别说明：以上内容（包括图片、视频，如有）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传发布，网易号是一个仅提供信息存储服务的社交媒体平台。
林俊博辞职后，发表长文声称智能物理思维将变得普遍。