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： 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"。 $$\tau_{i,t}(\theta)=\frac{\pi_{\theta}(o_{i,t}|q,o_{i,<t})}{\pi_{\rm old}(o_{i,t}|q,o_{i,<t})}\tag{6}$$ 简单来说，问题出在了GRPO算法上。 来自Sea AI Lab和新加坡国立大学等研究机构的学者认为，GRPO存在两个"隐藏偏见"。 长度偏见：错误答案越长，惩罚反而会越轻 GRPO计算奖励时，会把"答 ...