Full Bandwidth Transformer 研究：RL 压力下潜在链才被启用

waxhn 团队发布 Full Bandwidth Transformer（FBT）研究，探讨模型在 RL 压力下如何使用 latent chain。FBT 仍偏好显式 CoT，但在长度惩罚下会更多调用 latents；部分问题中，latents 的使用有助于实现外推，文章还分享了在 FBT 上进行 on-policy RL 的技巧。