# Controlling Reasoning Effort in LLMs - 发布方：Sebastian Raschka, PhD（Substack 杂志）；作者：Sebastian Raschka - 形式：文章 · en - 原始资源：[https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms]() - 本站页面：[https://oplearnx.com/resources/res\_khe6dbfenwwf]() - 学习主题：人工智能 / 大语言模型 LLM / 推理能力与测试时计算；人工智能 / 大语言模型 LLM - 内容状态：状态待核验 - 原始发布时间：未知（待核验） - 本站首次收录：2026-10-21 00:02 ## 能学到什么 理解推理模型的训练与推理期扩展机制，以及如何让模型具备低、中、高多种推理努力模式。 - 用自己的话说清“推理模型”在 LLM 语境下的定义，即输出中间推理轨迹的模型 - 区分训练期扩展与推理期扩展两条提升任务表现的路径 - 说明 RLVR 的奖励信号如何构成，以及为何只奖励最终答案与格式 - 解释“Aha 时刻”与自我纠错现象出现的训练原因 - 概述 DeepSeek-R1-Zero 纯 RL 路线与多阶段训练流水线的差别 - 说明自一致性（多数投票）作为推理期扩展方法的基本做法 ## 适合我吗 - 适合：适合已了解 LLM 基础、想弄懂推理模型训练与推理努力级别背后机制的读者，文章以概念与图解讲解为主，可独立阅读。 - 需要留意：不适合零基础入门者，也不适合想要可运行代码或动手实验的人；本文定位为方法与机制讲解。 ## 前置条件与费用 - 知识前置：需要了解 LLM 预训练、监督微调与强化学习的基本概念。 - 软件、账号与硬件：无强制账号或软件要求，浏览器可读即可。 - 内容费用：免费：节选可直接读到前 3 节正文，未见付费墙或登录拦截。 - 实践费用：实践无额外费用：本文为概念讲解，原站未提出需要付费云服务或 API 的练习。 - 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。 ## 准备工具 - 浏览器：在线阅读文章正文与图表 ## 学习指南 开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。 ### 开课提示词 ```text 请帮我把「Controlling Reasoning Effort in LLMs」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。 开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口：https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms 我的系统：Windows。如果实际不符，先调整方案。 本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。 练习：原站未提供配套练习；可在阅读后自己整理一张“训练期扩展 vs 推理期扩展”的对比笔记。 课节（官方顺序）： 1. Controlling Reasoning Effort in LLMs（全文主页）：https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms 1. 环境 - 无需安装环境，浏览器即可 - 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。 2. 材料 - 官方课程页面：只记录链接 https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms 3. 目录（最外层放在我确认的位置） controlling-reasoning-effort-in-llms/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课：读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检，按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹：notes.md + exercises/ └── 01-01-controlling-reasoning-effort-in-llms/ - 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。 - 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.md，逐项检查并记录“通过/未通过”： - 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。 - 打开 https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms → 能看到标题、作者 Sebastian Raschka 与第 1 节“A brief definition of reasoning models”正文 - 阅读第 2.1 节并回答：RLVR 的奖励由哪两部分构成 → 能答出最终答案正确性与回答格式两项 - 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次，把结果给我看；未通过的项目说明原因和修复办法。 5. 学习计划 - README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。 - progress.md：每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。 ``` ### 每课提示词 ```text 继续学习「Controlling Reasoning Effort in LLMs」。课程目录是 controlling-reasoning-effort-in-llms/（不知道完整路径就先问我）。 1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。 2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。 5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 ``` ### 课节（官方顺序） 1. [Controlling Reasoning Effort in LLMs（全文主页）]() ## 指南参考 - [课程主页]() ## 来源、许可与验证记录 - **开课提示词未完整验证，需要自备账号或资源**：开课提示词尚未实际运行验证 - 转载与修改 · 课程页面与材料：未找到明确许可。节选未出现许可声明 [依据]() - 链接检查：1/1 个可以访问 ## 来源与推荐 - 编辑整理收录 --- 来源：LearnMap · 学径（https://oplearnx.com）