我国科学家提出高效推理策略 可避免大模型“过度思考”

随着人工智能大模型的过度思考不断发展，如何让其在“难”的国科高效问题上深入思考，而不是提出推理对所有问题“想个不停”？记者5月29日从中国科学院自动化研究所获悉，该所联合鹏城实验室提出了一种高效推理策略AutoThink，策略可让大模型实现自主切换思考模式，可避避免“过度思考”。免大模型

“当前，过度思考越来越多的国科高效大模型开始具备‘深度思考能力’。”中国科学院自动化研究所研究员张启超说，提出推理模型在回答问题之前要先生成一整段包含反复自我反思、策略自我验证的可避推理过程，然后再给出答案。免大模型

张启超表示，过度思考这一思考模式显著提升了大模型解决复杂问题的国科高效能力，但同时也带来了“过度思考”的提出推理问题，即在处理简单任务时也会生成冗余的思考过程。

“比如使用者对大模型提问‘2+3等于几’，大模型可能会从自然数定义讲起，列出加法交换律，甚至反复确认，最后才输出答案是5。”张启超说，这种不必要的“过度思考”现象在推理模型中广泛存在。

针对这一问题，AutoThink可赋予推理模型根据题目难度自主切换思考模式的能力，即通过所设计的提示词和多阶段强化学习，引导其自主决定是否进行深度思考。

张启超介绍，AutoThink提供了一种简单而有效的推理新范式——通过省略号提示配合三阶段强化学习，引导大模型不再“逢题必深思熟虑”，而是根据问题难度自主决定“是否思考”“思考多少”。在多个数学数据集上，AutoThink实现了准确率与效率平衡，既提升性能又节省算力，展示出较强的适应性和实用性。

据悉，AutoThink已集成于一站式智能科研平台ScienceOne，并将用于训练ScienceOne的基座大模型S1-Base。研发团队表示，让大模型“更聪明地思考、更简洁地表达”，是未来科学基础大模型演进的重要方向。

很赞哦!（18878）