我的 DeepSeek 思考过程中经常跑偏，你们也是这样吗？

flash ？这不是跑偏，本来就是这样。。。参数量小的模型就是靠推理时把所有的路径都尝试一下。

正常，尤其是正式版发布之后，更容易跑偏了，经常做一些多余的思考。我怀疑就是浪费 token 故意的，最重要的是，这中间思维链变得又臭又长，大部分都是无效思维

知识量越小的模型，越是靠后训练对齐来穷举。

知识量大就有更多的基础认知，就有更多的直觉。能够预测更正确的方向。 知识量小，只能靠坚持和毅力，来磨结果。

另外还有一点，就是最新这波模型的后训练都往“百折不挠”这个性格去对齐了。 就是除非有实质性证据，否则绝对不产生结论。宁肯自己单独写个 python 程序去交叉验证，也不轻易输出结果。

@sentinelK 说的太对了，我的 deepseek 就是这样，为了验证一个问题改没改好，画了几分钟时间劲研究怎么用 Python 把专有格式的包里的文件提取出来，就为了作对比，看着它解包的过程我的 token 哗哗的流…