keywords

# NOWAIT 关键词参考 NOWAIT 技术中用于反射关键词的完整参考。 ## 主要关键词（来自论文） 这些关键词是通过在 AIME 2025 上对 QwQ-32B 进行 32 次独立运行，使用 `nn` 作为分隔符识别出的 15 个最频繁的单语过渡词。 ### 核心抑制列表 python KEYWORDS = [ "wait", # 最常见的反射触发词 "alternatively", # 表示探索不同的方法 "hmm", # 犹豫标记 "but", # 转折/重新考虑 "however", # 转折/重新考虑 "alternative", # 探索选项 "another", # 切换方法 "check", # 验证触发词 "double-check", # 二次验证 "oh", # 顿悟标记 "maybe", # 不确定/重新考虑 "verify", # 验证触发词 "other", # 探索替代方案 "again", # 重复/重新检查 "now", # 过渡标记 "ah", # 顿悟标记 "any", # 探索可能性 ] ## 排除模式 这些模式不应被抑制，因为它们是误报： python EXCLUDED = [ "ohio", # 包含 "oh" 但为专有名词 "butane", # 包含 "but" 但为化学物质 "button", # 包含 "but" 但为 UI 元素 "butterfly", # 包含 "but" 但为名词 "checkout", # 包含 "check" 但为名词/动词 "checksum", # 包含 "check" 但为技术术语 "another's", # 所有格形式，通常是必要的 ] ## Token 扩展 对于每个关键词，处理器会扩展到所有词汇变体： | 关键词 | 扩展变体 | |---------|-------------------| | wait | wait, Wait, WAIT, " wait", " Wait", ".wait", ",wait", 等 | | hmm | hmm, Hmm, HMM, " hmm", "...hmm", 等 | | alternatively | alternatively, Alternatively, " Alternatively", 等 | ## 模型特定调优 不同的模型可能受益于调整后的关键词列表： ### QwQ-32B / DeepSeek-R1 - 使用完整的默认列表 - 具有高缩减潜力 (30%+) ### Phi4-Reasoning-Plus - 使用完整的默认列表 - 考虑添加: "let me think", "I wonder" ### Kimi-VL (多模态) - 使用完整的默认列表 - 极高的缩减率 (40-60%) - 可能需要针对视觉任务添加特定领域的词汇 ### Qwen3 系列 - 基于 RL (32B): 使用完整列表 - 蒸馏版 (4B/8B/14B): 考虑移除