只改开头两个 Token，基础模型数学成绩追平强化学习版本

智东西 10 月 10 日报道，一项来自 MIT、加州大学伯克利分校、华盛顿大学和艾伦人工智能研究所的研究发现：只要把基础模型回答的开头固定为特定 Token 序列，模型的数学推理成绩就能接近甚至超过对应的强化学习版本。以 Ai2 基础模型 Olmo-3-7B 为例，将回答固定为特定开头后，其在 MATH-500 上的准确率从 42% 升至 78%，超过强化学习版本的 75%——全程没有修改模型参数，也没有增加解题示例。

研究的线索来自一个反常观察：正确答案中约半数以同样的句号加换行开头，错误答案中这一比例只有 14%。论文已于 10 月 5 日提交，研究者认为，基础模型答错有时并非不会做，而是没有进入解题状态；强化学习的部分作用，可能正是让模型更容易选到这种有效的回答起点。

【AICOR 点评】这类发现的价值不在刷分技巧，而在揭示一个朴素的工程真相：模型能力的发挥高度依赖调用方式。对企业来说，提示词设计、输出引导这些「软工程」往往比更换更强的模型性价比更高。在追逐更大模型之前，把已有模型的调用姿势调对，可能就释放了大量沉睡能力。