**非发明而是继承：追踪推理模型中'Wait'标记的起源**

_Inherited, Not Invented: Tracing the Provenance of Wait in Reasoning Models_

> 研究通过追踪开源模型的训练历史发现，推理模型中用于提示重新思考的'Wait'标记并非强化学习（RL）所发明，而是从训练数据中继承而来。实验表明，在缺乏该标记的基础模型上，强化学习虽能显著提升准确率却很少引入该词；该标记主要出现在中后期训练阶段或经过推理痕迹微调后。此外，研究还指出仅凭标记频率无法准确衡量强化学习带来的推理提升，并警示使用大模型作为裁判进行指标修正可能导致结论偏差。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.30882)