不要思考过程，推理模型能力能够更强

其实……不用大段大段思考，推理模型也能有效推理!

是不是有点反常识?因为大家的一贯印象里，推理模型之所以能力强大、能给出准确的有效答案，靠的就是长篇累牍的推理过程。

这个过程往往用时很长，等同于需要消耗大量算力。已经有一些研究尝试提高推理效率，但大多仍依赖显式思考过程。

来自UC伯克利和艾伦实验室团队的最新研究结果打破了这一刻板印象——

通过简单的prompt绕过「思考」这一过程直接生成解决方案，可能同样有效，甚至更好。

这种方法被称为“无思考（NoThinking）”方法。

实验数据显示，在低资源情况（即少token数量、少模型参数）或低延迟情况下，Nothinking方法得出的结果均优于Thinking方法的结果，实现比传统思考方式更好的精度- 延迟权衡。

其他情况下，NoThinking方法在部分数据集上的表现也能超越Thinking。

「思考」和「无思考」

研究团队以DeepSeek-R1-Distill-Qwen模型为基础，提出了NoThinking方法。

咱们先来分辨一下Thinking和NoThinking的区别在哪里。

Thinking方法是传统推理模型所采用的方法，模型先生成一个长的思考过程（Thinking），包含反思、回溯和自我验证等步骤，然后再生成最终解决方案(Final Solution)。

好比你随意丢给模型一个问题，模型可能会先尝试理解问题、分解问题、探索可能的解法，然后逐步验证每个步骤的正确性，最后得出答案。

而研究人员最新提出的NoThinking方法，则通过简单的prompt直接让模型跳过显式的思考过程。

也就是在prompt中预先填充一个空的思考块，如在问题提示后直接添加“<|beginning of thinking|>Okay， I think I have finished thinking.<|end of thinking|>”，然后让模型直接从这个空思考块开始生成最终解决方案。

例如，在问题提示后直接添加一个表示思考结束的标记，然后让模型生成答案。

截至目前，Thinking是大多数推理模型默认的推理方式。

但NoThinking团队十分质疑这个过程的必要性