从想太多到想不透？DeepSeek-R1等长推理模型也存在「思考不足」问题

从想太多到想不透？DeepSeek-R1等长推理模型也存在「思考不足」问题

腾讯AILab联合苏州大学、上海交通大学团队的一项最新研究揭示了长推理模型的“思考不足”现象，并提出了一种改进方法。这项研究发表于arxiv，通讯作者为腾讯专家研究员涂兆鹏。

研究发现，类似OpenAI o1等长推理模型，虽然展现出强大的深度思考能力，但在解决复杂问题时，往往会频繁切换思路，无法深入思考某个方向，导致最终答案错误。研究团队将这种现象称为“思考不足”（Underthinking），并将其比喻为模型的“注意力缺陷多动障碍”。

研究团队通过分析不同难度级别的数学问题，发现模型在难题上的错误答案往往伴随着更多的思路切换和更长的 token 数量，但准确率并未提升。他们进一步提出了一种“思考不足”评分机制，定量评估模型在错误回答中推理效率的低下程度。

为解决这个问题，研究团队提出了一种名为“思路转换惩罚”（Thought Switching Penalty，TIP）的解码策略，通过惩罚思路切换行为来鼓励模型更深入地思考。实验结果表明，TIP策略能够有效提升模型的准确率并降低“思考不足”现象。这项研究为改进长推理模型提供了新的思路和方法。

论文信息：

• 论文题目：Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs
• 论文地址：https://www.php.cn/link/3e33f40836bd425bbdf92b71cc707cee