你是否曾經問過簡單問題，卻得到AI長篇大論的回答？或者問復雜問題時，AI卻草草了事？今天我要和大家分享一項突破性研究，它讓AI學會了"什么時候該思考，什么時候該直接回答"。

圖片

1、AI的思考困境：要不要動腦子？

現代的大語言模型（LLM）已經能夠通過"思維鏈"（Chain-of-Thought，簡稱CoT）進行復雜推理。簡單來說，這種方法讓AI像人類一樣，先列出解決問題的步驟，再得出最終答案。

但這種方式存在一個明顯問題：無論問題簡單還是復雜，AI都一律使用詳細推理。就像你問朋友"1+1等于幾"，他卻認真地寫下："首先，我們有數字1，然后再加上數字1。根據加法定義，1+1=2。"——這顯然太浪費時間了！

這種"過度思考"帶來三大弊端：

（1）產生大量冗余token（AI輸出的基本單位）

（2）增加內存占用

（3）顯著提高計算成本

2、Thinkless：教會AI"適時思考"的利器

論文提出一個關鍵問題：AI能否學會根據任務復雜度和自身能力，決定何時該思考？

研究者開發了Thinkless框架，它巧妙地使用兩個控制標記：表示簡潔回答，表示詳細推理。通過強化學習，AI可以自主決定對特定問題使用哪種回答模式。

3、Thinkless是如何工作的？

圖片

這個框架通過兩個階段訓練AI：

（1）熱身蒸餾階段

首先，模型從兩位"專家"那里學習：一個擅長詳細推理的模型和一個擅長簡潔回答的模型。這個過程就像一個學生同時向兩位風格不同的老師學習，掌握兩種回答方式。

這個階段建立了控制標記和回答格式之間的明確映射，為后續的強化學習提供多樣化的輸出基礎。

（2） 解耦群體相對策略優化（DeGRPO）

這是Thinkless的核心創新。研究者發現，傳統的優化方法會導致"模式崩潰"——模型可能完全傾向于使用其中一種推理模式，失去靈活性。

DeGRPO巧妙地將學習目標分解為兩部分：

1）模式選擇：控制模型如何根據當前準確率調整策略

2）準確率提升：改進回答內容，提高選定推理模式下的答案正確性

這種解耦設計避免了模式崩潰，使模型能夠學習出準確的輸出和情境敏感的推理策略。

3、效果：節省50%-90%的計算資源

經過訓練，Thinkless模型學會了準確識別簡單查詢，并使用更高效的非思考模式回應。在多個基準測試中，它實現了令人印象深刻的結果：

1）在MATH-500、Minerva Algebra和GSM8K數據集上，長形式推理的使用減少了50%-90%

2）在更具挑戰性的AIME任務上，模型自然地采用了更高比例的長形式推理

這意味著AI變得更加"聰明"——它知道什么時候詳細思考，什么時候直接回答。這大大降低了推理成本，同時保持了任務性能。

圖片

圖片

圖片

4、結語

研究者在訓練過程中發現了一些有趣現象：

U形學習曲線

在訓練初期，模型傾向于使用長鏈推理，因為這種方式通常能帶來更高的準確率。但隨著訓練進行，短鏈回答的準確率逐漸提高，模型開始更多地探索簡短推理的可行性。

這種行為表現為短鏈輸出比例隨時間的上升，許多短回答在訓練后期達到完美準確率。同時，長鏈回答的準確率下降，這并非模型推理能力下降，而是因為更多困難問題被分配給了長鏈模式。

控制標記的權重影響

控制標記的權重決定了模式選擇的學習速度。權重過高會導致模型過快更新策略，可能過早將某些樣本分配到長鏈模式，而沒有給短模式的性能提升留出足夠空間。

實際案例展示

當Thinkless面對不同復雜度的問題時，它如何做出決策？

（1）簡單問題："計算123 + 456" 模式選擇：短回答模式（） 回答："579"

（2）中等復雜度問題："一個球的體積是多少，如果它的表面積是100平方厘米？" 模式選擇：取決于模型對自身能力的評估 可能的短回答："球的體積約為166.67立方厘米"

（3）復雜問題："證明任意三角形的內角和等于180度" 模式選擇：思考模式（） 回答：詳細的幾何證明步驟...

Thinkless研究雖然取得了顯著成果，但仍有進一步改進空間：

（1）改進熱身階段：探索更好的混合模型構建策略，如合并技術或輕量級微調方法

（2）擴展到更多領域：目前主要在數學問題上驗證，未來可擴展到更廣泛的領域

（3）更復雜的決策機制：開發能考慮更多因素的決策系統，如用戶偏好、環境約束等

Thinkless研究向我們展示了AI系統中一個重要的思想：不是所有問題都需要同等深度的思考。這一點與人類思維極為相似——我們在日常生活中也會根據問題復雜度調整思考深度。

這項研究不僅大幅提升了AI系統的效率，更向我們揭示了構建更智能、更自然AI系統的方向。未來，AI將更懂得"張弛有度"，在需要時深入思考，在可以時直接回答，從而提供更自然、更高效的用戶體驗。

論文標題：Thinkless: LLM Learns When to Think 

論文鏈接：https://arxiv.org/abs/2505.13379