English(EN) Are Large Reasoning Models Interruptible?

大型推理模型在中断和动态上下文中表现不佳

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

一项新的研究论文探讨了大型推理模型（LRM）在面对动态场景时的鲁棒性，挑战了静态环境的假设。研究发现，LRM在静态评估中表现良好，但在推理过程中被中断或上下文发生变化时，性能会显著下降高达60%。研究人员发现了新颖的故障模式，例如推理泄露、时间压力下的恐慌响应以及在整合更新信息时的自我怀疑。 AI

影响揭示了当前LLM的关键漏洞，表明需要新的架构和评估方法来应对现实世界的动态应用。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了关于大型推理模型性能的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Tsung-Han Wu, Mihran Miroyan, David M. Chan, Trevor Darrell, Narges Norouzi, Joseph E. Gonzalez · 2026-06-02 04:00

大型推理模型可以被中断吗？

arXiv:2510.11713v4 Announce Type: replace Abstract: Real-world applications of Large Reasoning Models (LRMs) often require reasoning about changing prompts or environments. In this work, we challenge the frozen world assumption and evaluate LRM robustness under two realistic dyna…