🧠🚫 Как отучить LLM “думать по кругу” и сэкономить токены У продвинутых LLM есть скрытая проблема: overthinking. Модель уже нашла ответ… но продолжает писать лишние рассуждения, самопроверки и повторяет одно и то же разными словами. В итоге вы платите не за ум модели - а за повторение. По оценкам, до 70% токенов уходит именно на такую “избыточную рефлексию”. YuanLab выпустили Yuan3.0 Flash, где модель учат останавливаться вовремя. Что внутри: ✅ RIRM - reward-механизм: модель получает сигнал *когда пора завершать ответ* (нашёл решение - закончи, не раздувай) ✅ RAPO - адаптивная оптимизация policy, ускоряющая обучение на 50%+ Что это даёт: - до 75% дешевле инференс - без потери качества - быстрее ответы, меньше затрат Главная идея: Запуск LLM будет не только за “самый умный ответ”, а за самый дешёвый и быстрый умный ответ. 🚀Model: https://modelscope.cn/models/Yuanlab/Yuan3.0-Flash 🔧Github: https://github.com/Yuan-lab-LLM/Yuan3.0 📄 Paper: https://modelscope.cn/papers/2601.01718 #LLM #AI #Tokens #Inference #Optimization