调整起始Token可让基础模型推理媲美RL
发生了什么
据Hugging Face Papers报道，研究发现训练数据将初始响应Token与推理模式关联。固定特定起始Token提示可使基础模型在数学和编码任务上的表现与强化学习（RL）训练模型相当。例如，提示"Okay"使Olmo-3-7B的MATH-500准确率从42%升至78%，"Alright,"使Qwen3-14B从72%升至87%。
- Olmo-3-7B准确率提升
- 42% to 78%
- Qwen3-14B准确率提升
- 72% to 87%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- Hugging Face Papers转载
Paper page - Base Models Can Reason By Taking a Cue From Training Data
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口