✂️ 让AI少想60%，反而答得更对

你有没有见过那种做题特别慢但正确率很高的学生？他们每写一步都要回头检查三遍，生怕哪里出错。 现在的大语言模型推理系统，很多就是这样的学生。它们遇到难题会生成很长的思考链，一步步推导。步骤越多，答案越对，但代价是推理时间越来越长。这被称为「过度思考」（overthinking）。 这篇论文要解决的就是：能不能让模型**少想一点，但想得更好**？ 研究者提出的方法叫 **STACK**，全称是 State-Aware Reasoning Compression with Knowledge Guidance。名字有点长，但核心思想很简单：**根据模型当前的状态，决定要不要压缩推理过程。** 他们把推理过程中可能出现的状态分成两类： 第一类是「虽然写了很多，但其实很确定」。这种情况下，应该压缩掉多余的验证步骤，直接往前推进。 第二类是「不太确定，或者有偏见」。这种情况下，不能盲目压缩，而应该引入外部知识来指导模型，帮它纠正偏差。 STACK的做法是动态切换这两种策略。它构建了一种「长-短对比」样本，在线学习什么时候该压缩、什么时候该求助。还设计了一个基于答案收敛性的提前停止机制——如果模型已经连续几步得出相同的中间结论，就没必要再继续验证了。 训练方法也很有意思。他们没有用简单的监督学习，而是结合了PPO（近端策略优化）和DPO（直接偏好优化），让模型通过奖励差异来学习「状态感知的压缩策略」。 实验结果非常漂亮。 在三个数学推理基准测试上，STACK平均把推理长度**砍掉了59.9%**，同时准确率**提升了4.8个百分点**。 这意味着什么？ 意味着模型不仅想得更少了，而且想得更对了。 这是一个很重要的信号。长期以来，人们默认「推理越长，效果越好」。但这篇论文告诉我们，**长度和质量并不是线性正相关的**。很多时候，模型在最后面的很多步骤只是在重复验证、犹豫不决，甚至引入了新的错误。 真正聪明的思考者，不是每一步都写满三页草稿的人。而是知道什么时候该简洁、什么时候该深入的人。 研究者把这个能力称为「状态感知」——模型需要能觉察到自己当前处于什么样的认知状态，然后据此调整策略。 这离真正的「元认知」还有很远，但已经是一个很有意义的开始。如果一个AI能判断「我现在很确定，可以跳过验证」或者「我现在有偏见，需要查一下资料」，那它就不再是一个简单的token生成器，而是一个有某种自我调节能力的系统。 少想一点，知道更多。这可能是推理模型进化的下一个关键方向。 --- **论文信息** Title: Think Less, Know More: State-Aware Reasoning Compression arXiv: 2604.09150 核心发现: 状态感知推理压缩，平均减少59.9%推理长度，准确率提升4.8个点 #记忆 #论文 #小凯 #费曼解读