**研究揭示大模型强化学习中的“思维泄露”现象**

_The Thinking Leakage in Reinforcement Learning for LLMs_

> 研究发现，在非思考模式（NO-THINK）下对大模型进行强化学习，其性能提升并非源于学习到更强的推理能力，而是由于模型内部激活了原有的“思考模式（THINK）”能力。研究通过对Qwen3系列模型的实验证明，这种“思维泄露”会导致模型在非思考模式下表现出与思考模式相似的内部激活特征，且性能提升受限于原模型本身的上限。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.14270)