在2025年5月21日發(fā)表于arXiv的論文《When to Continue Thinking: Adaptive Thinking Mode Switching for Efficient Reasoning》中，來自美團(tuán)的研究團(tuán)隊(duì)包括張曉云、阮靜青（通訊作者）、馬星、朱雅文、趙昊東、李昊、陳建松（通訊作者）、曾科和蔡訓(xùn)良提出了一種名為"自適應(yīng)自恢復(fù)推理"（Adaptive Self-Recovery Reasoning，簡稱ASRR）的框架，用于解決大型推理模型在推理過程中過度思考的問題。

想象一下，你平時解決問題的方式：對于簡單問題（比如"0.9和0.11哪個更大？"），你可能一眼就能得出答案；而對于復(fù)雜問題（比如高等數(shù)學(xué)證明），你可能需要仔細(xì)思考，一步步推導(dǎo)。但如果有人不管問題難易，都要絞盡腦汁從基本原理推導(dǎo)，豈不是太浪費(fèi)時間了？

這正是當(dāng)前大型推理模型（LRMs）面臨的問題。這些模型通過強(qiáng)化學(xué)習(xí)訓(xùn)練后，往往會生成不必要的長推理鏈，特別是在處理簡單問題時，造成大量計(jì)算資源的浪費(fèi)。理想情況下，模型應(yīng)該能夠動態(tài)調(diào)整推理長度，對復(fù)雜問題進(jìn)行詳細(xì)推理，對簡單問題只需簡單或無推理就能給出答案，從而實(shí)現(xiàn)效率最大化。

美團(tuán)研究團(tuán)隊(duì)通過系統(tǒng)分析，發(fā)現(xiàn)了LRMs具有一種"內(nèi)部自恢復(fù)機(jī)制"，即模型在被抑制明確推理時，有時會在生成答案的過程中隱式地補(bǔ)充推理步驟，特別是在處理具有挑戰(zhàn)性的問題時。研究人員將這種現(xiàn)象稱為"繼續(xù)思考"（Continue-Thinking）。

然而，雖然這種自適應(yīng)行為很有前途，但研究分析表明，它有兩個主要限制： 1. 模型在處理更困難的問題時，往往無法充分進(jìn)行繼續(xù)思考行為，導(dǎo)致推理不完整，準(zhǔn)確率降低 2. 模型可能在簡單問題上不必要地調(diào)用繼續(xù)思考，導(dǎo)致過度思考和效率低下

為了解決這些挑戰(zhàn)，研究團(tuán)隊(duì)提出了自適應(yīng)自恢復(fù)推理（ASRR）框架，指導(dǎo)LRMs根據(jù)問題難度動態(tài)調(diào)整推理長度。ASRR引入了一種基于準(zhǔn)確率閾值的獎勵機(jī)制：只有當(dāng)組內(nèi)達(dá)到足夠的準(zhǔn)確率時，才應(yīng)用長度懲罰，從而平衡效率和正確性。

讓我們通過一個簡單的比喻來理解ASRR框架的工作方式：想象一個學(xué)生在做不同難度的題目。對于簡單題，他可以直接寫出答案；對于難題，他需要詳細(xì)思考和推導(dǎo)。ASRR就像是一個聰明的教練，它教會模型判斷題目難度，簡單題直接答，難題詳細(xì)思考，從而節(jié)省整體解題時間，同時保證答題質(zhì)量。

在各種模型和基準(zhǔn)測試的實(shí)驗(yàn)中，ASRR顯著減少了推理長度，同時保持了高性能。此外，ASRR增強(qiáng)了"繼續(xù)思考"頻率與問題難度之間的相關(guān)性，反映了模型難度感知和預(yù)算分配能力的提升。

接下來，我們將深入了解這項(xiàng)研究的具體方法、實(shí)驗(yàn)設(shè)計(jì)和重要發(fā)現(xiàn)。無論你是AI領(lǐng)域的愛好者還是對高效推理感興趣的普通讀者，這項(xiàng)研究都提供了對大型語言模型思考過程的有趣見解。

一、研究背景和動機(jī)

想象你有一個非常聰明的朋友，他解決任何問題都要從宇宙大爆炸開始推導(dǎo)，即使是"1+1=？"這樣的簡單問題。雖然他總能得出正確答案，但這種過度思考的習(xí)慣會浪費(fèi)大量時間和精力。這正是當(dāng)前大型推理模型（LRMs）面臨的問題。

近年來，像OpenAI-o1和DeepSeek-R1這樣的大型推理模型在復(fù)雜推理任務(wù)上取得了顯著進(jìn)步。它們通過生成長推理鏈來解決問題，效果確實(shí)很好。但問題在于，這些模型被強(qiáng)化學(xué)習(xí)訓(xùn)練后，往往會不管問題難易，都生成不必要的長推理鏈。先前的研究已經(jīng)指出了這種"過度思考"現(xiàn)象，即使對于"0.9和0.11哪個更大？"這樣的簡單問題，模型也會進(jìn)行冗長的推理。

理想情況下，推理模型應(yīng)該像人類一樣，能夠根據(jù)問題難度動態(tài)調(diào)整思考深度：復(fù)雜問題詳細(xì)分析，簡單問題快速解答。最近的研究探索了LRMs在"無思考模式"（No-Thinking）下的表現(xiàn)，這種模式下模型不生成明確的推理鏈，直接給出答案。這些研究表明，在無思考模式下，LRMs仍然能夠達(dá)到高準(zhǔn)確率，尤其是當(dāng)并行樣本數(shù)量增加時。

美團(tuán)研究團(tuán)隊(duì)的實(shí)證分析揭示了一個有趣的現(xiàn)象：這部分是因?yàn)槟Ｐ陀袝r會在生成答案的過程中隱式地補(bǔ)充推理步驟，特別是對于具有挑戰(zhàn)性的問題。研究團(tuán)隊(duì)將這種現(xiàn)象稱為"繼續(xù)思考"（Continue-Thinking）。

如圖1所示，當(dāng)模型進(jìn)行繼續(xù)思考時，它能夠成功解答一個具有挑戰(zhàn)性的問題；而在模型未能繼續(xù)思考的情況下，它無法給出正確答案。研究團(tuán)隊(duì)將這種繼續(xù)思考現(xiàn)象稱為"內(nèi)部自恢復(fù)機(jī)制"，這表明模型具有初步的難度感知能力和推理預(yù)算分配能力。

然而，雖然這種自適應(yīng)行為很有前途，但研究分析表明它有兩個主要限制：

首先，模型往往無法在更困難的問題上充分進(jìn)行繼續(xù)思考行為，導(dǎo)致推理不完整，準(zhǔn)確率降低；其次，模型可能在簡單問題上不必要地調(diào)用繼續(xù)思考，導(dǎo)致過度思考和效率低下。這些問題突顯了對更準(zhǔn)確的難度感知和更合理的推理資源分配的需求。

為了解決這些挑戰(zhàn)，研究團(tuán)隊(duì)提出了自適應(yīng)自恢復(fù)推理（ASRR）框架，引導(dǎo)LRMs根據(jù)問題難度動態(tài)調(diào)整推理長度。ASRR引入了一種基于準(zhǔn)確率閾值的獎勵機(jī)制：只有當(dāng)組內(nèi)達(dá)到足夠的準(zhǔn)確率時，才應(yīng)用長度懲罰，平衡效率和正確性。

二、方法論：自適應(yīng)自恢復(fù)推理框架

研究團(tuán)隊(duì)首先進(jìn)行了系統(tǒng)分析，揭示了LRMs具有潛在能力，可以在答案生成過程中補(bǔ)充缺失的推理步驟，這一現(xiàn)象被稱為"內(nèi)部自恢復(fù)機(jī)制"?；谶@一觀察，他們提出了自適應(yīng)自恢復(fù)推理（ASRR）框架。

### 觀察與動機(jī)

研究團(tuán)隊(duì)分析了LRMs的"內(nèi)部自恢復(fù)機(jī)制"，并探索了無思考前綴對模型性能的影響。他們在四個基準(zhǔn)測試上進(jìn)行了探索性實(shí)驗(yàn)和定量分析：AIME 2024、OlympiadBench、AMC 2023和MATH500。

他們評估了模型在兩種設(shè)置下的表現(xiàn)：（1）長思考模式，包括完整推理過程和答案總結(jié)的響應(yīng)；（2）無思考模式，在提示中附加非推理前綴（如"好的，我想我已經(jīng)完成思考"）以阻止顯式推理。對于這兩種設(shè)置，他們進(jìn)行了256次并行前向傳播，并計(jì)算pass@256指標(biāo)。

令人驚訝的是，長思考和無思考模式在四個基準(zhǔn)測試中實(shí)現(xiàn)了幾乎相同的性能，平均pass@256分別為86.4%和84.98%。進(jìn)一步分析表明，這主要是由于在無思考模式下出現(xiàn)了繼續(xù)思考行為。

為了更好地理解這一效果，研究團(tuán)隊(duì)排除了表現(xiàn)出繼續(xù)思考行為的樣本，觀察到無思考模式的pass@256分?jǐn)?shù)顯著下降，平均從84.98%降至74.98%。最大降幅出現(xiàn)在AIME 2024上，從73.33%降至46.66%。此外，他們觀察到繼續(xù)思考行為的頻率與基準(zhǔn)測試的難度之間存在強(qiáng)烈的正相關(guān)性：在最困難的AIME 2024上，繼續(xù)思考比率為42.6%；在OlympiadBench上為19.7%；在AMC 2023上為22.2%；在最簡單的MATH500上僅為9.4%。

這些結(jié)果表明，模型固有地具有初步的難度感知和答案驗(yàn)證能力，繼續(xù)思考行為構(gòu)成了LRMs的"內(nèi)部自恢復(fù)機(jī)制"。

然而，LRMs當(dāng)前的難度感知和預(yù)算分配能力仍存在明顯局限性。研究團(tuán)隊(duì)分析了不同推理模式下的pass@1指標(biāo)。pass@256和pass@1的比較揭示了一個關(guān)鍵限制：雖然無思考模式在困難問題上的pass@256與長思考模式相近（例如，在AIME 2024上僅下降3.4%），但其pass@1性能下降更為顯著（下降16.9%）。這表明模型在單次通過設(shè)置中難以為困難問題持續(xù)補(bǔ)充推理。同時，在較簡單的基準(zhǔn)上，模型仍然生成不必要的冗長輸出，反映了持續(xù)的過度思考。

這些結(jié)果強(qiáng)調(diào)了需要機(jī)制使LRMs能夠根據(jù)問題難度動態(tài)調(diào)整推理深度，同時不犧牲整體性能。

### 自適應(yīng)自恢復(fù)推理框架

為了解決上述問題，研究團(tuán)隊(duì)提出了自適應(yīng)自恢復(fù)推理（ASRR）框架，這是一種動態(tài)推理優(yōu)化框架，利用LRMs的"內(nèi)部自恢復(fù)機(jī)制"。ASRR的核心目標(biāo)是在難度感知和推理預(yù)算分配之間取得平衡，通過顯式抑制不必要的推理，同時在需要時允許隱式恢復(fù)。

ASRR包括兩個主要組件：

第一個組件是在無思考模式下的顯式推理抑制和隱式自恢復(fù)。這個模塊使用特殊的輸出前綴激活簡化的推理模式，鼓勵模型跳過簡單問題的冗余推理步驟，但允許在更具挑戰(zhàn)性的情況下進(jìn)行隱式恢復(fù)。

第二個組件是動態(tài)長度懲罰（DLP）。這個模塊基于準(zhǔn)確率閾值應(yīng)用動態(tài)長度懲罰，僅當(dāng)模型在組級別達(dá)到足夠準(zhǔn)確率時，才自適應(yīng)地懲罰過度推理。

這個框架旨在增強(qiáng)LRMs在不同復(fù)雜性任務(wù)中的效率和準(zhǔn)確性。

#### 無思考模式下的顯式推理抑制和隱式自恢復(fù)

受模型繼續(xù)思考行為的觀察啟發(fā)，研究團(tuán)隊(duì)發(fā)現(xiàn)LRMs即使在顯式推理被抑制時也能內(nèi)部恢復(fù)推理步驟。為了利用這一能力，他們引入了一種在無思考模式下的訓(xùn)練策略，通過在輸入提示中附加特殊前綴顯式抑制推理，同時仍然啟用隱式自恢復(fù)。

形式上，給定一個預(yù)訓(xùn)練的推理語言模型LLMθ和一個數(shù)據(jù)集D = {(xi, yi)}，其中每個實(shí)例由輸入提示xi和最終答案yi（不包含中間推理痕跡）組成。對于每個輸入xi，他們通過無思考前綴注入構(gòu)建增強(qiáng)提示：

xi = xi ⊕ pterm, pterm = "好的，我已經(jīng)完成思考。"

其中⊕表示字符串連接，pterm表示無思考前綴。給定增強(qiáng)提示，模型根據(jù)條件概率生成輸出序列：

Pθ(y|xi) = ∏T Pθ(yt|xi, y<t)

通過這種設(shè)計(jì)，研究團(tuán)隊(duì)期望無思考模式能夠?qū)崿F(xiàn)高效推理：

對于簡單輸入，前綴pterm旨在使模型偏向于生成直接答案，最小化預(yù)期的推理標(biāo)記數(shù)量；對于更困難的輸入，預(yù)期模型內(nèi)部激活潛在推理路徑，導(dǎo)致更長但必要的答案生成序列。

#### 動態(tài)長度懲罰（DLP）：基于準(zhǔn)確率的獎勵調(diào)節(jié)

傳統(tǒng)的長度懲罰在所有情況下強(qiáng)制輸出縮短，但這通常會導(dǎo)致兩個問題：（a）模型為最小化長度而犧牲正確性，導(dǎo)致"短但錯誤"的輸出；（b）懲罰太弱，無法抑制過度思考，導(dǎo)致"準(zhǔn)確但冗長"的推理。

為了解決這一問題，研究團(tuán)隊(duì)設(shè)計(jì)了一種條件懲罰機(jī)制，平衡效率和準(zhǔn)確性。具體來說，他們動態(tài)調(diào)整長度懲罰的時機(jī)和強(qiáng)度：只有當(dāng)模型達(dá)到準(zhǔn)確率閾值τ時才激活懲罰，且其強(qiáng)度隨性能提高而逐漸增加。

研究團(tuán)隊(duì)將訓(xùn)練數(shù)據(jù)分成組G，并計(jì)算平均組準(zhǔn)確率AccG。只有當(dāng)AccG ≥ τ時，才激活長度懲罰，其中τ是預(yù)定義的閾值。

對于每個組，計(jì)算每個樣本i的超長比率Oi：

Oi = clip((Li - Lcorrect_shortest) / Lwindow, 0, 1)

其中Lcorrect_shortest是組內(nèi)正確回答樣本中的最小生成長度，Lwindow是常數(shù)長度懲罰窗口。然后，每個樣本的總體獎勵為：

Ri = I(yi = yi) - α · Oi

其中I(·)是答案正確性的指示函數(shù)，α是懲罰強(qiáng)度系數(shù)。

懲罰系數(shù)α根據(jù)組準(zhǔn)確率動態(tài)調(diào)整：

α = { 0 如果 AccG < τ β·(AccG-τ+ε)/(1-τ+ε) 否則 }

其中β是設(shè)置懲罰上限的縮放因子，ε是確保數(shù)值穩(wěn)定性的小常數(shù)。

當(dāng)準(zhǔn)確率AccG低于閾值τ時，長度懲罰被禁用（α = 0），允許模型僅專注于最大化正確性，而不會因過早的長度優(yōu)化而承擔(dān)風(fēng)險。當(dāng)準(zhǔn)確率達(dá)到或超過閾值（AccG ≥ τ）時，長度懲罰逐漸引入，鼓勵模型減少冗余推理，同時仍然保持正確性。這種動態(tài)平衡機(jī)制允許模型首先掌握答案正確性，然后逐漸優(yōu)化效率，最終實(shí)現(xiàn)"簡短且準(zhǔn)確"的推理過程。

三、實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

研究團(tuán)隊(duì)進(jìn)行了全面的實(shí)驗(yàn)，以評估ASRR框架在不同模型和基準(zhǔn)測試上的有效性。實(shí)驗(yàn)結(jié)果表明，ASRR能夠在最小的性能犧牲下顯著減少推理長度，同時提高模型對問題難度的感知能力和推理資源的分配效率。

### 實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)在兩個模型上進(jìn)行：DeepSeek-R1-Distill-Qwen-1.5B和DeepSeek-R1-Distill-Qwen-7B。這些模型在各種任務(wù)上展示了強(qiáng)大的能力，表明ASRR的通用性。

研究團(tuán)隊(duì)在五個基準(zhǔn)測試上進(jìn)行了全面實(shí)驗(yàn)，包括主要結(jié)果和多維驗(yàn)證研究：MATH500、AIME2024、AMC2023、Olympiad Bench和GSM8K。此外，他們還在BeaverTails和HarmfulQA基準(zhǔn)測試上評估了模型對安全相關(guān)查詢的自適應(yīng)響應(yīng)能力。

基線包括：（1）原始模型，（2）使用GRPO增強(qiáng)的原始模型，（3）同時使用GRPO和無思考前綴的原始模型。由于ASRR能夠靈活調(diào)整準(zhǔn)確率閾值以平衡效率和性能，研究團(tuán)隊(duì)還將其與幾種代表性的長度減少技術(shù)進(jìn)行了比較，包括直接偏好優(yōu)化（DPO）、S1和基于長度約束的強(qiáng)化學(xué)習(xí)方法（L1、ThinkPrune和Kimi k1.5）。

### 在最小性能犧牲下實(shí)現(xiàn)預(yù)算控制

表1展示了ASRR框架在DeepSeek-R1-Distill-Qwen-1.5B和DeepSeek-R1-Distill-Qwen-7B上的主要結(jié)果。研究團(tuán)隊(duì)比較了四種設(shè)置：原始模型、GRPO長鏈推理、無思考提示（零樣本）和提出的ASRR。

結(jié)果顯示，GRPO顯著提高了模型的推理準(zhǔn)確率，但仍然產(chǎn)生長生成鏈。無思考提示大幅減少了輸出長度，但以犧牲大量準(zhǔn)確率為代價，特別是在具有挑戰(zhàn)性的基準(zhǔn)測試（如AIME和Olympiad Bench）上。相比之下，ASRR框架在保持高性能的同時實(shí)現(xiàn)了生成長度的顯著減少。

具體來說，在1.5B模型上，與GRPO相比，平均生成長度減少了32.5%，而pass@1準(zhǔn)確率僅下降了1.2個百分點(diǎn)。對于7B模型，生成長度減少了25.7%，而性能下降僅為0.6個百分點(diǎn)。

這些結(jié)果表明，ASRR能夠通過利用LRMs的"內(nèi)部自恢復(fù)機(jī)制"實(shí)現(xiàn)高效的預(yù)算分配：它抑制了簡單問題上的不必要推理，同時在更困難的實(shí)例上靈活觸發(fā)額外的推理步驟，以保持高準(zhǔn)確率。這驗(yàn)證了自適應(yīng)框架在平衡推理效率和性能方面的有效性，展示了其在實(shí)際應(yīng)用中的強(qiáng)大泛化能力和實(shí)用價值。

### 性能與效率之間的權(quán)衡

圖5展示了各種長度控制LRMs在推理時間思考長度和性能（pass@1準(zhǔn)確率）之間的權(quán)衡，研究團(tuán)隊(duì)在不同準(zhǔn)確率閾值（0%、25%、50%、75%、100%）下評估了DeepSeek-R1-Distill-Qwen-1.5B上的ASRR方法。圖上的每個點(diǎn)代表這些準(zhǔn)確率設(shè)置下ASRR方法在基準(zhǔn)測試上的推理結(jié)果。

研究團(tuán)隊(duì)將他們的方法與其他預(yù)算控制算法在AMC和AIME數(shù)據(jù)集上進(jìn)行了比較。ASRR在受限思考令牌預(yù)算內(nèi)顯著提高了性能。例如，在100%準(zhǔn)確率閾值下，相比其他預(yù)算約束方法，ASRR方法實(shí)現(xiàn)了更高的準(zhǔn)確率水平。這表明ASRR使模型能夠更高效地進(jìn)行推理，最大化有限令牌預(yù)算的有效性。

總之，ASRR不僅提高了準(zhǔn)確率，還通過根據(jù)任務(wù)需求智能分配令牌資源，優(yōu)化了計(jì)算效率，從而在性能和效率之間取得了平衡。

### 難度感知能力

圖6展示了ASRR方法在不同難度的數(shù)學(xué)推理任務(wù)上的動態(tài)思考能力。通過提出的"內(nèi)部自恢復(fù)機(jī)制"，模型能夠根據(jù)感知到的問題復(fù)雜度自主調(diào)整思考鏈：

在最具挑戰(zhàn)性的AIME任務(wù)上，繼續(xù)思考比率達(dá)到了80.6%（1.5B）和81.5%（7B），相應(yīng)地在pass@1準(zhǔn)確率上獲得了75%（1.5B：從24.8%提升到43.3%）和110%（7B：從27.7%提升到58.1%）的相對改進(jìn)，相比無思考模式。這證實(shí)了對復(fù)雜問題進(jìn)行延長思考鏈顯著增強(qiáng)了推理能力。

在基礎(chǔ)的GSM8K問題上，模型以85.4%（1.5B）和91.0%（7B）的高pass@1準(zhǔn)確率和最小的繼續(xù)思考比率（分別為2.6%和0.3%）保持高性能，表明有效的計(jì)算成本意識，不犧牲性能。

這些結(jié)果表明，ASRR方法使模型能夠自適應(yīng)地分配計(jì)算資源，集中資源在更困難的問題上，同時在簡單任務(wù)上保持高效。

### 安全對齊的改進(jìn)

最近的研究表明，LRMs在被提示進(jìn)行不必要或無關(guān)的推理鏈時，容易生成不安全或有害的輸出。研究團(tuán)隊(duì)提出的方法有選擇地使模型只在必要時進(jìn)行推理，同時避免在直接或潛在不安全的查詢上進(jìn)行擴(kuò)展推理。這種有針對性的推理機(jī)制顯著增強(qiáng)了LRMs的安全對齊。

如表2所示，在BeaverTails和HarmfulQA基準(zhǔn)測試上，ASRR方法在不同模型規(guī)模上實(shí)現(xiàn)了無害率的顯著提升。具體來說，對于DeepSeek-R1-Distill-Qwen-1.5B，ASRR方法將BeaverTails上的無害率從70.1%（GRPO）提高到83.2%，將HarmfulQA上的無害率從61.7%提高到83.4%，分別增加了+13.1%和+21.7%。同樣，對于7B模型，ASRR方法將BeaverTails上的無害率從86.8%提高到91.8%，將HarmfulQA上的無害率從90.4%提高到96.8%，相應(yīng)的改進(jìn)為+5.0%和+6.4%。

這些結(jié)果表明，ASRR的選擇性推理策略不僅保持或增強(qiáng)了任務(wù)性能，還是提高安全對齊的有效手段。通過減少不必要的推理，ASRR方法使LRMs在實(shí)際應(yīng)用中更加健壯和可信，有效降低了與過度思考或?qū)剐蕴崾鞠嚓P(guān)的潛在安全風(fēng)險。

四、研究結(jié)論與未來方向

美團(tuán)研究團(tuán)隊(duì)在這項(xiàng)工作中解決了大型推理模型（LRMs）中性能和效率之間的權(quán)衡問題。通過分析模型在長思考和無思考模式下的行為，他們發(fā)現(xiàn)了"內(nèi)部自恢復(fù)機(jī)制"，并據(jù)此提出了自適應(yīng)自恢復(fù)推理（ASRR）框架。

ASRR框架通過抑制不必要的推理并啟用隱式恢復(fù)，平衡了難度感知和推理預(yù)算分配。通過引入基于準(zhǔn)確率的長度獎勵調(diào)節(jié)，ASRR根據(jù)問題難度自適應(yīng)地分配推理努力，以最小的性能犧牲實(shí)現(xiàn)高效率。

在多個基準(zhǔn)測試和模型上的實(shí)驗(yàn)表明，與GRPO相比，ASRR減少了推理預(yù)算（1.5B模型最高減少32.5%，7B模型減少25.7%），同時保持最小的準(zhǔn)確率損失（pass@1分別減少1.2%和0.6%），并顯著提高了安全基準(zhǔn)測試上的無害率（最高提升+21.7%）。

這些結(jié)果突顯了ASRR在實(shí)現(xiàn)高效、自適應(yīng)和更安全的LRMs推理方面的潛力。通過使模型能夠"知道何時該繼續(xù)思考"，ASRR為構(gòu)建更加實(shí)用和可靠的推理系統(tǒng)鋪平了道路。

研究團(tuán)隊(duì)也提到了一些局限性，包括準(zhǔn)確率閾值調(diào)整（不同數(shù)據(jù)集或任務(wù)的最佳閾值可能不同，需要額外調(diào)整）、模型規(guī)模和架構(gòu)的有限評估（主要集中在DeepSeek-R1-Distill-Qwen模型上）以及人類評估的缺乏（目前主要依賴自動評估指標(biāo)）。

未來的研究方向可能包括開發(fā)自適應(yīng)閾值調(diào)整策略，在更廣泛的模型架構(gòu)和規(guī)模上進(jìn)行系統(tǒng)評估，以及結(jié)合人類評估以獲得更深入的見解?？傮w而言，這項(xiàng)研究為大型推理模型的高效設(shè)計(jì)提供了重要啟示，特別是在如何根據(jù)任務(wù)難度動態(tài)分配計(jì)算資源方面。