借一步网
作者：
在
想象一下，你在解一道数学题：有的问题简单得像“2+2=4”，你几乎不用思考就能脱口而出答案；但有的问题复杂得像奥数难题，你得拿出纸笔，慢慢推演才能搞定。现在的大型AI推理模型，比如DeepSeek-R1，特别擅长“深度思考”，它们会在回答前像人类一样“想”一大堆步骤，哪怕是简单问题也不例外。这就有点像用超级计算机去算“1+1”，既浪费时间又没必要。清华大学的研究团队发现，AI其实可以学会根据问题的难易程度，聪明地选择是“动脑子”还是“直接答”。他们开发了一种叫AdaptThink的技术，让AI在效率和准确性之间找到最佳平衡。这篇文章将用最通俗的语言，带你走进这项研究的奥妙。
大型推理模型（简称LRMs，比如OpenAI的o1或DeepSeek-R1）有点像超级聪明的数学家。给它们一个问题，它们不会马上回答，而是先“思考”一番：列出可能的解法，检查哪里可能出错，甚至还会“反省”一下自己的思路。这个过程叫链式思考（Chain-of-Thought），就像学生在草稿纸上写满计算步骤，最后才把答案写在答题卡上。
这种“深度思考”让AI在复杂问题上表现惊人，比如能解高难度的数学竞赛题。但问题来了：如果题目很简单，比如“5×3是多少”，AI还是会“想”一大堆，比如“让我确认一下，5×3是不是15？嗯，没错，答案是15”。这不仅慢，还浪费计算资源（就像用跑车去送外卖，效率低得让人抓狂）。
研究者发现，对于简单问题，AI完全可以跳过“思考”，直接给答案。这种“直接答”的方式叫NoThinking，就像人类凭直觉回答“1+1=2”一样。关键是，NoThinking不仅快，有时甚至比“深度思考”更准！这就引出了一个大胆的想法：能不能让AI自己学会“什么时候该思考，什么时候直接答”？
研究团队做了一个实验，用一个叫MATH500的数据集（里面有500道高中数学竞赛题，从简单到超难分了5个等级）来测试AI的表现。他们拿了一个叫DeepSeek-R1-Distill-Qwen-7B的模型，分别让它用“思考”（Thinking）和“直接答”（NoThinking）两种方式回答问题。
结果很有意思：
这就像人类做题：简单题靠直觉，复杂题得慢慢算。研究者意识到，AI如果能根据题目难度自动选择“思考”还是“直接答”，就能省下大量时间，还能保持高正确率。于是，他们开发了AdaptThink，一个通过强化学习（Reinforcement Learning, RL）教AI做选择的算法。
AdaptThink的使命是让AI变得更聪明：简单问题直接答，复杂问题认真想。它是怎么做到的呢？核心在于两个“绝招”：
研究者给AI定了一个目标：尽量多用NoThinking（因为它快），但不能让正确率掉下来。说得直白点，就是“能偷懒就偷懒，但别偷懒到出错”。为了实现这个目标，他们设计了一个“奖励系统”：
这个奖励系统就像在训练一只聪明的狗：表现好给骨头，表现差就少给点。AI通过不断试错，学会了“简单题用NoThinking，难的用Thinking”。
一开始，AI只会用Thinking模式，就像一个只会“长篇大论”的学霸，完全不会“直接答”。这就导致一个问题：如果训练时只让AI用自己的老方法，它永远学不会NoThinking。这就像让一个习惯写长篇作文的人突然写短句，他可能会一脸懵。
研究者用了一个叫重要性采样的技巧，强迫AI在训练时一半时间用Thinking，一半时间用NoThinking。这样，AI就像被逼着练习“短跑”和“长跑”两种技能，慢慢学会了什么时候该“冲刺”（NoThinking），什么时候该“稳扎稳打”（Thinking）。这个方法不仅解决了“从零开始”的问题，还让AI在训练中不断探索两种模式的优劣，避免“一根筋”地只用一种方式。
研究者在三个数学数据集上测试了AdaptThink的表现：
他们用了两个模型（1.5B和7B参数的DeepSeek-R1-Distill-Qwen），并跟其他优化方法（比如只缩短Thinking答案的方法）做了对比。结果让人眼前一亮：
这就像一个超级聪明的学生：简单题一秒答完，难题认真推导，既快又准。
研究者用一个叫的参数来控制AI对NoThinking的“喜爱程度”。如果大，AI更爱用NoThinking，回答更短但可能牺牲一点正确率；如果小，AI更谨慎，正确率更高但回答稍长。实验发现：
没有重要性采样，AI就像一个固执的学霸，只会“长篇大论”，回答长度只稍微缩短一点（比如从4000字到3500字）。有了重要性采样，AI学会了“短平快”，回答长度直接降到2000字以下，还保持了高正确率。
研究者担心AI在NoThinking模式下会“偷偷”加入一些思考（比如写一句“让我确认一下”）。他们检查了NoThinking的回答，发现这种“隐式思考”比例很低（比如7B模型只有4.2%），而且回答长度也没增加太多。未来可以通过调整奖励机制，把这种行为彻底消灭。
为了看看AdaptThink是不是“只擅长数学”，研究者在MMLU数据集（14000道多选题，涵盖57个领域，比如化学、历史）上也测了一下。结果：
这说明AdaptThink不仅会解数学题，还能应对其他领域的挑战，就像一个全能学霸。
问题：两辆车同向开，第一辆60英里/小时，第二辆70英里/小时，2小时后相距多远？
问题：8个人围圆桌坐，3个人要坐一起，有多少种方式？
问题：一个化学反应有两个步骤，求总反应阶数。
问题：求一个复数表达式的最大实部，涉及复杂运算。
AdaptThink就像给AI装了一个“智慧开关”，让它在简单问题上“秒答”，在复杂问题上“深思”。但它还有些小局限：
更长远地看，AdaptThink的理念不只适用于推理模型。想象一下：
这种“根据任务调整策略”的智慧，或许是AI变得更像人类的关键一步。
AdaptThink让AI学会了“因题制宜”：简单问题靠直觉，复杂问题靠思考。它不仅让AI回答更快（节省40-53%的字数），还让答案更准（正确率提高2-6%）。通过强化学习和重要性采样，AdaptThink像一位严格又聪明的老师，教会AI在效率和质量之间找到完美平衡。这不仅是一项技术突破，更是对“智慧”本质的深刻思考：真正的聪明，不是事事深思熟虑，而是知道什么时候该“动脑”，什么时候可以“偷懒”。
要发表评论，您必须先登录。
想象一下，你在解一道数学题：有的问题简单得像“2+2=4”，你几乎不用思考就能脱口而出答案；但有的问题复杂得像奥数难题，你得拿出纸笔，慢慢推演才能搞定。现在的大型AI推理模型，比如DeepSeek-R1，特别擅长“深度思考”，它们会在回答前像人类一样“想”一大堆步骤，哪怕是简单问题也不例外。这就有点像用超级计算机去算“1+1”，既浪费时间又没必要。清华大学的研究团队发现，AI其实可以学会根据问题的难易程度，聪明地选择是“动脑子”还是“直接答”。他们开发了一种叫AdaptThink的技术，让AI在效率和准确性之间找到最佳平衡。这篇文章将用最通俗的语言，带你走进这项研究的奥妙。
🧠 AI的“思考”是怎么回事？
大型推理模型（简称LRMs，比如OpenAI的o1或DeepSeek-R1）有点像超级聪明的数学家。给它们一个问题，它们不会马上回答，而是先“思考”一番：列出可能的解法，检查哪里可能出错，甚至还会“反省”一下自己的思路。这个过程叫链式思考（Chain-of-Thought），就像学生在草稿纸上写满计算步骤，最后才把答案写在答题卡上。
这种“深度思考”让AI在复杂问题上表现惊人，比如能解高难度的数学竞赛题。但问题来了：如果题目很简单，比如“5×3是多少”，AI还是会“想”一大堆，比如“让我确认一下，5×3是不是15？嗯，没错，答案是15”。这不仅慢，还浪费计算资源（就像用跑车去送外卖，效率低得让人抓狂）。
研究者发现，对于简单问题，AI完全可以跳过“思考”，直接给答案。这种“直接答”的方式叫NoThinking，就像人类凭直觉回答“1+1=2”一样。关键是，NoThinking不仅快，有时甚至比“深度思考”更准！这就引出了一个大胆的想法：能不能让AI自己学会“什么时候该思考，什么时候直接答”？
🔍 简单问题为什么适合“直接答”？
研究团队做了一个实验，用一个叫MATH500的数据集（里面有500道高中数学竞赛题，从简单到超难分了5个等级）来测试AI的表现。他们拿了一个叫DeepSeek-R1-Distill-Qwen-7B的模型，分别让它用“思考”（Thinking）和“直接答”（NoThinking）两种方式回答问题。
结果很有意思：
这就像人类做题：简单题靠直觉，复杂题得慢慢算。研究者意识到，AI如果能根据题目难度自动选择“思考”还是“直接答”，就能省下大量时间，还能保持高正确率。于是，他们开发了AdaptThink，一个通过强化学习（Reinforcement Learning, RL）教AI做选择的算法。
🚀 AdaptThink：AI的“智慧开关”
AdaptThink的使命是让AI变得更聪明：简单问题直接答，复杂问题认真想。它是怎么做到的呢？核心在于两个“绝招”：
1. 教AI权衡“快”和“准”
研究者给AI定了一个目标：尽量多用NoThinking（因为它快），但不能让正确率掉下来。说得直白点，就是“能偷懒就偷懒，但别偷懒到出错”。为了实现这个目标，他们设计了一个“奖励系统”：
这个奖励系统就像在训练一只聪明的狗：表现好给骨头，表现差就少给点。AI通过不断试错，学会了“简单题用NoThinking，难的用Thinking”。
2. 让AI从零开始学会两种方式
一开始，AI只会用Thinking模式，就像一个只会“长篇大论”的学霸，完全不会“直接答”。这就导致一个问题：如果训练时只让AI用自己的老方法，它永远学不会NoThinking。这就像让一个习惯写长篇作文的人突然写短句，他可能会一脸懵。
研究者用了一个叫重要性采样的技巧，强迫AI在训练时一半时间用Thinking，一半时间用NoThinking。这样，AI就像被逼着练习“短跑”和“长跑”两种技能，慢慢学会了什么时候该“冲刺”（NoThinking），什么时候该“稳扎稳打”（Thinking）。这个方法不仅解决了“从零开始”的问题，还让AI在训练中不断探索两种模式的优劣，避免“一根筋”地只用一种方式。
📊 AdaptThink有多厉害？
研究者在三个数学数据集上测试了AdaptThink的表现：
他们用了两个模型（1.5B和7B参数的DeepSeek-R1-Distill-Qwen），并跟其他优化方法（比如只缩短Thinking答案的方法）做了对比。结果让人眼前一亮：
这就像一个超级聪明的学生：简单题一秒答完，难题认真推导，既快又准。
🧪 AdaptThink的秘密武器
“偏好”参数的魔法
研究者用一个叫
的参数来控制AI对NoThinking的“喜爱程度”。如果
大，AI更爱用NoThinking，回答更短但可能牺牲一点正确率；如果
小，AI更谨慎，正确率更高但回答稍长。实验发现：
重要性采样的威力
没有重要性采样，AI就像一个固执的学霸，只会“长篇大论”，回答长度只稍微缩短一点（比如从4000字到3500字）。有了重要性采样，AI学会了“短平快”，回答长度直接降到2000字以下，还保持了高正确率。
控制“偷偷思考”
研究者担心AI在NoThinking模式下会“偷偷”加入一些思考（比如写一句“让我确认一下”）。他们检查了NoThinking的回答，发现这种“隐式思考”比例很低（比如7B模型只有4.2%），而且回答长度也没增加太多。未来可以通过调整奖励机制，把这种行为彻底消灭。
跨领域也能用
为了看看AdaptThink是不是“只擅长数学”，研究者在MMLU数据集（14000道多选题，涵盖57个领域，比如化学、历史）上也测了一下。结果：
这说明AdaptThink不仅会解数学题，还能应对其他领域的挑战，就像一个全能学霸。
📖 真实案例：看看AdaptThink有多聪明
简单题：两车追逐
问题：两辆车同向开，第一辆60英里/小时，第二辆70英里/小时，2小时后相距多远？
中等题：圆桌排列
问题：8个人围圆桌坐，3个人要坐一起，有多少种方式？
非数学题：化学反应
问题：一个化学反应有两个步骤，求总反应阶数。
难题：复数运算
问题：求一个复数表达式的最大实部，涉及复杂运算。
🌟 AdaptThink的未来
AdaptThink就像给AI装了一个“智慧开关”，让它在简单问题上“秒答”，在复杂问题上“深思”。但它还有些小局限：
更长远地看，AdaptThink的理念不只适用于推理模型。想象一下：
这种“根据任务调整策略”的智慧，或许是AI变得更像人类的关键一步。
🎉 总结
AdaptThink让AI学会了“因题制宜”：简单问题靠直觉，复杂问题靠思考。它不仅让AI回答更快（节省40-53%的字数），还让答案更准（正确率提高2-6%）。通过强化学习和重要性采样，AdaptThink像一位严格又聪明的老师，教会AI在效率和质量之间找到完美平衡。这不仅是一项技术突破，更是对“智慧”本质的深刻思考：真正的聪明，不是事事深思熟虑，而是知道什么时候该“动脑”，什么时候可以“偷懒”。