DeepSeek-V3.2巨「吃」Token，竟然是被GRPO背刺了

主要观点总结

本文主要讨论了DeepSeek模型的新版本DeepSeek-V3.2及其特制版DeepSeek-V3.2 Speciale在Token使用效率方面的问题。该模型在处理复杂任务时表现出Token消耗异常，生成内容冗长且存在错误。文章还讨论了GRPO算法存在的长度偏置和难度偏置问题，可能是DeepSeek-V3.2 Speciale耗Token过多的原因。同时，文章也提到了DeepSeek技术报告中对这些问题的分析和对未来版本的期待。

关键观点总结

关键观点1: DeepSeek-V3.2及其特制版DeepSeek-V3.2 Speciale存在Token使用效率问题，表现为在处理复杂任务时消耗过多的Token。

DeepSeek-V3.2 Speciale在相同任务上Token消耗远大于其他模型，生成内容冗长且存在错误。

关键观点2: GRPO算法存在的长度偏置和难度偏置可能是DeepSeek-V3.2 Speciale耗Token过多的原因。

长度偏置导致模型在优化过程中倾向于生成更长的回答，难度偏置则可能使模型在处理困难任务时表现不佳。

关键观点3: DeepSeek技术报告对这些问题进行了分析，并提出了优化措施。

报告中对DeepSeek-V3.2 Speciale的token使用效率问题进行了数据对比，并指出未来研究方向。