---
title: "非思考模式 (Non-Thinking Mode)"
created: 2026-06-18
updated: 2026-06-18
type: concept
tags: [reasoning, efficiency, hybrid-models]
sources:
  - gan-thinking-based-non-thinking-2026
---

# 非思考模式 (Non-Thinking Mode)

非思考模式是[[hybrid-reasoning-models|混合推理模型]]中模型**直接输出答案、不进行[[chain-of-thought|思维链]]推理**的模式（Gan et al., 2026; Zhang et al., 2025; Tu et al., 2025）。

## 定义

在 TNT 及相关工作中，非思考模式定义为响应的思考部分为**空**：`[y_1, ..., y_τ] = ∅`。判别方式：首 token 是否为 `</think>`（p(y) = 0）。

## 设计动机

- **简单查询不需要 CoT**：如直接计算、简单事实问答
- **降低推理成本**：跳过探索、反思、自验证的冗长过程
- **提升吞吐量**：更短的响应 = 更高的服务吞吐

## RL 训练中的激励机制

- 正确非思考模式获得 **+2** 奖励（vs 正确思考模式 +1）
- 激励模型"该直接时就直接"
- 但这导致 [[reward-hacking|Reward Hacking]]——模型在非思考格式中嵌入思考

## 与思考模式的关系

TNT 的关键洞察：LRM 的思考模式的 **solution 部分**（`</think>` 之后）与真正的非思考模式输出高度一致——因为 LRM 训练确保 solution 不含额外思考。这为 [[dynamic-token-limit|动态 Token 限制]] 提供了基础。

## 参考

- [[thinking-mode|思考模式]]
- [[reward-hacking|Reward Hacking]]
- [[dynamic-token-limit|动态 Token 限制]]
- [[gan-thinking-based-non-thinking-2026|TNT 论文]]