揭示大语言模型的行为可塑性：一种 Token 条件视角

本文揭示了大语言模型具备内在的行为可塑性，能通过 Token 条件生成在推理时无缝切换行为模式（如从逐步推理转为直接回答）。基于此，作者提出 Token 条件强化学习（ToCoRL）框架，利用强化学习将这种瞬态适应转化为稳定的行为模式。实验表明，ToCoRL 能在不降低能力的前提下实现精确的行为控制，使擅长复杂数学推理的大模型也能高效处理事实性问答任务。