假装Reasoning也能提准确率？LLM的极简推理法，Token减半，性能翻倍

假装Reasoning也能提准确率？LLM的极简推理法，Token减半，性能翻倍

原创 编辑部 深度学习自然语言处理 2025年04月15日 13:23 江苏

比如当你在做数学题时，老师突然说："别写草稿了，直接写答案！"这听起来像天方夜谭？但LLM领域的最新研究证明：大语言模型跳过显式思考步骤，反而能更快更准地解决问题！

论文：Reasoning Models Can Be Effective Without Thinking
链接：https://arxiv.org/pdf/2504.09858

论文通过"伪造思考框"的巧妙设计（如下图），让模型直接输出解题步骤。这种名为NoThinking的方法，在数学证明、编程等7大挑战性任务中，以2-5倍的token效率完胜传统方法。

传统方法VS新方法

传统AI推理就像严谨的学霸：
问题 → 详细推导（思考） → 最终答案

而NoThinking模式更像是直觉型天才：
问题 → [假装思考完毕] → 直接输出答案

关键突破在于：高质量答案可能早已编码在模型参数中，冗长的中间推导反而可能引入错误。就像有些数学天才不需要打草稿就能心算答案。

实验验证

研究团队在三大类任务中展开对决：

• 数学竞赛题（如AIME/AMC）

• 定理证明（MiniF2F/ProofNet）

• 编程挑战（LiveCodeBench）

在700 token的低配场景下，NoThinking以51.3% vs 28.9%的准确率碾压传统方法。更惊人的是，随着尝试次数增加，优势持续扩大——好比考试时允许试错次数越多，学霸优势越明显。

并行扩展

NoThinking的杀手锏在于批量生成+智能筛选：

1. 同时生成N个答案（如开32个聊天窗口）

2. 用验证器或置信度筛选最优解

这带来两大革命性提升：

• 速度提升9倍：并行计算大幅缩短等待时间

• 准确率跃升：类似"三个臭皮匠顶个诸葛亮"

如表所示，在定理证明任务中，该方法用1/4的计算量就达到相同效果。这对需要实时响应的应用场景（如智能客服）意义重大。

启示

这项研究正在引发LLM界的"极简革命"：

• 训练成本降低：无需强化学习训练思考链

• 推理效率跃升：低配设备也能跑高质量模型

• 应用场景扩展：实时推理系统迎来新可能

就像手机从功能机到智能机的进化，AI推理正在卸下冗余的"思考包袱"，开启轻量化新时代。