token限制

最新研究揭示了大模型解决常见英语谜题的局限性，如DeepSeek R1常常放弃给出错误答案。研究人员创建了一个包含近600个问题的新基准测试，并发现在使用超过3000个令牌后继续推理对提升准确率帮助不大。