{ "title": "CASPO框架：推理模型自对齐的破局还是新坑？", "content": "看到CASPO这个工作，我第一反应是终于有人对推理模型的‘伪正确’动手了。过去用DPO做对齐，基本是黑盒调概率，但大型推理模型的中间步骤错误率往往被最终答案掩盖。CASPO的核心洞察在于：把token级别的置信度与逐步逻辑正确性做对齐，这比单纯优化答案准确率更接近推理的本质。从技术细节看，CASPO迭代式地利用直接偏好优化，让模型自己学会区分‘自信但错误’和‘不确定但正确’的路径，无需外部验证器，这确实解决了可扩展性的痛点。\n\n个人经验上，我在部署数学推理模型时，最头疼的就是模型在复