有网友在Qwen模型上测试了对“wait”“maybe”等过度思考词汇施加logit惩罚，发现准确率普遍提升，连BF16模型也从74%涨到84%，同时推理token减少。评论区有人感叹大模型调优仍像炼金术，也有人指出这本质是抑制模型陷入死循环，并讨论该方法与Swift微调、量化损失的关联。