腾讯AI Lab与上交大探索模型“过度”思考

自OpenAI推出o1模型后,其多路&长链推理与复杂规划能力对于系统②·慢思考范式的建立提供了一种从train-time到test-time scaling law的延展。o1模型通过模拟人类深度思考过程,在思维链中运用自我反思、纠错以及探索多种解法等推理策略,延展了强大的推理性能,从而能够持续优化答案质量。然而,随着o1模型的广泛应用,一个潜在问题亦逐渐凸显出来,即"过度思考"。

近期,国内外许多类似o1的模型也陆续出现,比如Qwen团队近期开源的QwQ-32B-Preview,Deepseek推出的R1-Preview等模型。这些模型在推理时同样具备 "深度思考" 的特性,但也暴露出了类似的问题:在不必要的情况下生成过长的思维链反而浪费了计算资源。如论文标题的例子:"2+3=?"...

本篇论文的目的之一即是对这种"过度思考"对不同问题与任务在不同场景应用中展开系统性分析并尝试建立针对Outcome Efficiency与Process Efficiency的"过度"定义。

同时,论文亦提出了缓解"过度"思考的一系列数据样本构造及模型优化方法,包括:

Shortest Response:使用模型采样结果中最短的生成结果作为正样本。

First-Correct Solutions, FCS:使用模型采样结果中最短的首次得到正确答案的解答作为正样本,抛弃所有后续的思考。

FCS+Reflection:由于绝大多数的采样结果都是在第一个解答中就出现了正确答案,仅保留首个正确回答可能会使得模型退化,因此研究者们在第一次得到正确答案后,额外保留了一轮反思的内容。Greedily Diverse Solutions,GDS:除了单纯地对长度进行控制,另一个优化思路是尽可能保留更多样化的思考轨迹,因此研究者们在 FCS 方法的基础上,尽可能多地保留了包含不同推理策略的解答。

基于以上几种偏好数据,研究者们尝试了最基础的 SFT 以及多种偏好优化算法,如 DPO,RPO以及 SimPO,实验结果大家可参考原论文。

不过我想这也仅是刚刚开始,在现实世界复杂而多样的应用场景中,甚至于未来不同定义下的AGI,这种差异化的思考模式所带来的不同推理生成结果,也许会成为llm迈向并建立另一条模型通用能力上的助推器,而潜在的隐式CoT也许会在其中起着某种微妙的调和或平衡作用。

相关推荐
白雪讲堂9 分钟前
AI搜索品牌曝光资料包(精准适配文心一言/Kimi/DeepSeek等场景)
大数据·人工智能·搜索引擎·ai·文心一言·deepseek
斯汤雷15 分钟前
Matlab绘图案例,设置图片大小,坐标轴比例为黄金比
数据库·人工智能·算法·matlab·信息可视化
ejinxian22 分钟前
Spring AI Alibaba 快速开发生成式 Java AI 应用
java·人工智能·spring
葡萄成熟时_26 分钟前
【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程(持续更新)
人工智能·数据挖掘
机器之心40 分钟前
一篇论文,看见百度广告推荐系统在大模型时代的革新
人工智能
机器之心44 分钟前
视觉SSL终于追上了CLIP!Yann LeCun、谢赛宁等新作,逆转VQA任务固有认知
人工智能
云 无 心 以 出 岫1 小时前
贪心算法QwQ
数据结构·c++·算法·贪心算法
俏布斯1 小时前
算法日常记录
java·算法·leetcode