IT之家 6 月 4 日消息，快手 Kwaipilot 团队近日开源了 KwaiCoder-AutoThink-preview 自动思考大模型 ，针对近期深度思考大模型存在的“过度思考”问题进行了深入研究。团队提出了一种全新的自动思考模型训练范式，同时基于传统强化学习算法（GRPO），提出了带有过程监督的强化学习方法 Step-SRPO，以进一步提升模型在复杂任务中的表现。 DeepSeek-V3 & R1 合体：快手开源 “Auto Think” 大模型，可根据问题自动调节思考深度 - IT之家