研究表明，不同语言模型在自我改进能力上存在显著差异。Qwen-2.5-3B在强化学习中优于Llama-3.2-3B，因其具备关键的认知行为，如验证和回溯。通过引导Llama学习这些行为，模型性能显著提升，表明认知行为对有效利用计算资源至关重要。