41 lines
1.5 KiB
Markdown
41 lines
1.5 KiB
Markdown
---
|
||
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]]
|