DeepSeek-V3.2被找出bug了：疯狂消耗token，答案还可能出错，研究人员：GRPO老问题没解决

鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 在面对复杂任务时，消耗的token数偏多，甚至可能会出现"又长又错"的答案。 比如，同样解决一个问题，Gemini只用了2万个token，而Speciale需要花费7.7万个。 这是怎么一回事？ 没有被纠正的"长度偏见" 有研究者指出，这其实是自DeepSeek-R1-Zero以来，DeepSeek系列模型一直存在的一个"bug"。 DeepSeek-V3.2很强很火爆，但随着讨论的深入，还是有bug被发现了。 并且是个老问题：浪费token。 △ 图源：x@Hangslin 不少网友都提到，DeepSeek-V3.2的长思考增强版Speciale，确确实实以开源之姿又给闭源TOP们上了压力，但问题也很明显： 结果就是：模型会故意生成"又长又错"的答案，看起来像是在"认真推理"，其实是在"凑字数躲惩罚"。 难度偏见 ：太简单或太难的题被过度关注 GRPO会根据"同一批题的得分标准差"调整权重。比如一道题所有人都做对（标准差小），或所有人都做错（标准差也小），这道题会被当成 "重点" 反复训练；而中等难度、有人对有人错的题（标准差大），反而被忽略。但实际训练 ...