Deepseek-R1 和 OpenAI o1 这样的推理模型普遍存在“思考不足”的问题
每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/
等模型如何处理复杂推理。结果显示，o1 这类大模型在面临难题时容易陷入“推理崩溃”，计算资源被不断尝试新方法消耗殆尽。然而，正确率更高的模型并不一定更高效，它们可能只是更擅长找到最终答案，而非更聪明地利用计算资源。
如何让 AI“坚持己见”？
为了解决“思维不坚定”问题，研究团队提出了一种新的解码策略——“思维切换惩罚”（TIP）。它通过调整模型的概率分布，降低某些表示策略变化的词语（比如“或者”）的权重，从而让 AI 在跳到新思路前，更深入地探索当前路径。
结果表明，TIP 确实让 AI 更加“坚定立场”：QwQ-32B-Preview 在数学竞赛 MATH500-Hard 任务中的正确率从 82.8% 提高到了 84.3%，并且推理过程更加稳定。这一改进同样适用于 GPQA Diamond、AIME2024 等高难度测试集。
研究人员表示，这项研究揭示了一个关键点——提升 AI 的推理能力并不只是堆砌更多算力，而是要教会模型什么时候应该坚持，什么时候才该换思路。未来，他们计划进一步优化 AI 的问题解决方式，让它们自主判断“该坚持还是该变通”，从而真正实现更高效、更聪明的推理过程。