让推理模子不要想考范冰冰 女同，得到的完毕反而更准确？

UC 伯克利新运筹帷幄发现，强制要求模子跳过想考历程，推理才调却比闲居想考还好。

举例在定理证明任务当中，"不想考"模式仅使用 30% 的 Token，就能完毕和完整想考相同的准确率。

迥殊是施加 Token 放弃之后，"不想考"模式的成果变得愈加明显。

这究竟是何如一趟事呢？来看下 UC 伯克利发表的论文。

跳过想考，推理模子反而更强了

论文的运筹帷幄缠绵，是比拟显式想考历程（Thinking）和跳过想考历程（NoThinking）的成果互异，并在不同敛迹条目下评估这两种才能的发达。

运筹帷幄使用 DeepSeek-R1-Distill-Qwen-32B 手脚主要施行模子，该模子通过在 Qwen-32B 基础上使用 DeepSeek-R1 生成的数据进行蒸馏得到。

为了确保完毕的可靠性，运筹帷幄同期遴荐了 Qwen-32B-Instruct 手脚基线模子，并在 7B 和 14B 限制的换取架构模子上进行了考证施行。

在数据集的遴荐上，运筹帷幄悉力全面隐敝不同类型的推理任务：

在数常识题方面，既包含了 AIME 2024、AIME 2025、AMC 2023 等法式难度的测试集，也包含了更具挑战性的 OlympiadBench 数学子集；

在编程才调评估方面，使用了捏续更新的 LiveCodeBench v2 版块；

在定理证明畛域，则通过 MiniF2F 测试神志化数学推理才调，通过 ProofNet 评估逻辑和定理证明才调。

施行领先进行了基础性能评估，也等于在不放弃 token 的情况下比拟三种才能的发达。运筹帷幄团队详备纪录了每种才能在不同 k 值下的 pass@k 性能发达和 token 使用量。

完毕裸露，在无预算放弃的情况下，NoThinking 在定理证明任务上大概以 30% 的 token 用量达到与 Thinking 相似的性能，两种才能齐明显优于基线模子。

在其他任务上，固然 NoThinking 的驱动 pass@1 性能较低，但跟着 k 值增多会逐渐追平 Thinking 的发达，同期 token 使用量减少

随后，施行引入了预算强制，通过建造 token 放弃来进行对照施行。

具体来说，当模子达到预设的 token 预算时，系统会强制其生成最终谜底范冰冰 女同，要是此时模子仍在想考框内，则会在最终谜底标签前添加完毕想考象征。

运筹帷幄辩别在低预算（约 3000tokens 以下）和高预算（约 3500tokens）两种场景下进行了详备测试。

在预算受限的场景下，NoThinking 在低预算情况下（

在高预算场景下（~3500 tokens），尽管 Thinking 在 pass@1 上略有上风，NoThinking 从 k=2 脱手就展现出更好的性能。

在并行彭胀测试中，运筹帷幄凭证任务特质摄取了不同的评估才能。

关于有完满考证器的任务（如神志定理证明），不错平直使用考证器遴荐最好谜底，并详备纪录延长和 token 使用量；

关于莫得考证器的任务，运筹帷幄完毕了精深投票机制和基于置信度的遴荐政策，通过施行比拟了不同遴荐政策的成果。

关于具有考证器的任务，NoThinking 不错在将延长缩短至 1/7、token 使用量减少至 1/4 的同期，保捏与传统才能相似的准确率。

在莫得考证器的任务中，比如 AMC 2023 和 OlympiadBench，NoThinking 以至特出了完整版 Thinking 的发达，同期可将延长缩短至 1/9。

为了幸免施行完毕受到数据期侮的影响，运筹帷幄团队特意使用了新发布的 AIME 2025 数据集进行考证。

完毕作家发现。换取的性能模式在新旧数据集上齐能褂讪重现，这阐述了运筹帷幄发现响应了模子的真扩充为特征。

大模子"想考历程"引热议

Hacker News 上，有东谈主默示这项运筹帷幄让其对大模子的想考有了新的意志：

昔日我以为大模子"想考"很有用，是因为它不错把更多的倡导带到崎岖文当中，但当前看似乎不是？

还有东谈主料想了 Claude 厂商 Anthropic 前些天发表的敷陈，其中指出大模子输出的"想考历程"不一定代表其果然主张。

这份敷陈的施行发现，Claude 3.7 Sonnet 仅在 25% 的情况下在其想维链中说起收到的领导信息，DeepSeek R1 则为 39%，意味着大精深情况下模子不会诚挚响应其果然有缠绵历程。

Anthropic 的这份敷陈，引起了针对大模子"想考历程"的强烈照应。

有东谈主默示，想维链有用的要津是产生了更多用于"想考"的狡计，但要是用它来展示模子责任历程，那只不外是荒谬的崎岖文。

但也有东谈主以为 Anthropic 的运筹帷幄并莫得切中问题关键，因为模子的考试历程等于为了赢得正确谜底而优化，不可指望这么的考试风物大概让模子准确说出推理历程。

作家简介

本论文第一作家是 UC 伯克利博士生马文洁，导师是 Matei Zaharia 副磨真金不怕火和 Sewon Min 助理磨真金不怕火运筹帷幄重心是领略和晋升谈话模子的推理才调，以及测试时狡计。

马文洁本科毕业于南京大学狡计机学院，技巧曾插足该学院的 PASCAL（编程谈话与统计分析）运筹帷幄组。

另别称华东谈主作家何静轩，当前在 UC 伯克利从事博士后运筹帷幄，运筹帷幄有趣有趣为机器学习和狡计机安全，融合导师是宋晓冬（Dawn Song）磨真金不怕火。

何静轩博士和本科辩别毕业于苏黎世联邦理工学院和浙江大学。

另外，UC 伯克利博士生 Charlie Snell、Tyler Griggs，以及一作马文洁的两名导师也参与了此项运筹帷幄。

论文地址：

https://arxiv.org/abs/2504.09858

参考贯穿：

[ 1 ] https://www.anthropic.com/research/reasoning-models-dont-say-think

[ 2 ] https://news.ycombinator.com/item?id=43572374

一键三连「点赞」「转发」「注意心」

迎接在指摘区留住你的主张！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见范冰冰 女同