9月未解之谜：DSv4.1 Flash High思考强于Max思考

这么离谱的吗？

max思考太长了，感觉是过拟合的结果

是不是还是之前那样过拟合的问题

雷霆大思考后遗症？！

倒挂原因：
effort 是 token 预算旋钮，不是能力旋钮。
论文自述收益前重，60–80 档已近 max 上限，且明确承认 Pass@1 与长度只是"松散相关、非单调"；奖励只在同一 effort 子组内归一化，max 从未被要求"更正确"，只学到"说更长、几乎不受长度惩罚"，反而在 agent 循环里多出过度验证与环境崩溃。
加上 FP4 KV、CSA2 稀疏选择和 SWA 近似重放会被长轨迹放大，再叠加 harness×档位交互、步数/时间预算和小样本噪声（如 86 样本那格），中档反超顶档属预期。

故默认用 high，max 只留给单发难题。

群友发的

为啥啊 dsh 对 4.1 加强这么多吗？？？

之前用dsv4f的时候，设置max感觉还行，现在用4.1设置max之后，对话又慢，结果还经常跑偏，这两天设置成high之后感觉好多了，对话速度也快，做事情也靠谱了

是的，我跑测试时候，用4.1flash配环境就发现了这个问题。

max似乎没有任何提升

不光没提升，，，感觉还有点拖后腿

我是前天看有佬说设置为high会很好就修改了配置，一下子感觉顺畅多了

max的思考对智力没啥帮助，只是能跑而已

也可以理解成后训练没有完全做好，更多的test time token预算没有带来真正意义上全方位的能力提升，甚至可能因为over-thinking导致能力下降