LLM的推理能力顯著增強，然而，這個「超級大腦」也有自己的煩惱。

有時候回答會繞好大一個圈子，推理過程冗長又復雜，雖能得出正確答案，但耗費了不少時間和計算資源。

比如問它「2加3等于多少」，它可能會從數字的概念、加法原理開始，洋洋灑灑說上一大通，這在實際應用中可太影響效率啦。

來自Rice大學的華人研究者提出了「高效推理」的概念，在保證回答準確的同時，更快、更簡潔地給出答案。

論文鏈接：https://arxiv.org/abs/2503.16419

項目鏈接：https://github.com/Eclipsess/Awesome-Efficient-Reasoning-LLMs

接下來，深入探討LLM的高效推理，幫它們告別「過度思考」。

別讓模型「想太多」，邁向高效推理

LLM通過思維鏈（CoT）提示等技術，在復雜推理任務中表現亮眼。

CoT就像是給模型裝上了「思考引擎」，讓它能一步一步地推導，把推理過程清晰地展現出來。

不過，這份出色的表現，需要消耗大量計算資源。

LLM經常出現「過度思考」的情況，生成長而冗余的推理內容，增加了延遲和資源消耗。

本文聚焦于如何在提升或保持模型性能的同時，優化推理過程，這對計算資源有限的實際場景十分重要。

研究者梳理了應對「過度思考」，實現高效推理的技術手段：

• 基于模型的高效推理：即考慮將模型優化為更簡潔的推理模型，或直接訓練高效推理模型。
• 基于推理輸出：旨在推理過程中動態減少推理步驟和長度。
• 基于輸入提示：根據輸入提示的屬性（如難度或長度控制）提高推理效率。

此外，研究者還介紹了用高效數據訓練推理模型，探索小模型的推理能力，并討論了評估方法和基準測試。

認識「過度思考」

LLM產生冗長、不必要的推理過程時，就出現了「過度思考」現象。

在回答「0.9和0.11哪個大」這個簡單的問題時，DeepSeek-R1和QwQ-32B這兩個模型給出的答案都十分冗長。

它可能會從十進制的原理開始，分析小數點后的每一位數字，還會嘗試用各種方法驗證，比如轉化為分數或在數軸上表示，最后才給出答案。

雖然答案是對的，但推理過程又長又啰嗦，耗費了大量時間和計算資源。

DeepSeek-R1：好的，我得判斷0.9和0.11誰更大。它們都是小數，但小數點后的位數不一樣。我先想想每個小數的含義，0.9就是十分之九，因為小數點后第一位是十分位。等等，我換個方法確認下，把它們轉成百分數試試……為了確保沒錯，我在數軸上表示一下吧。還有其他驗證方法嗎？用減法好像也行……或者……我確定答案是0.9。（616字，19秒）

QwQ-32B：要找出0.9和0.11哪個大。它們是小數，逐位比較看看？我回憶下小數比較的規則……0.9 小數點后有1位，0.11有2位，寫法上是不是要調整下……不對，我再檢查下，是不是哪里搞錯了。換個思路……另一種方法是……最終答案是0.9更大。（602字，42秒）

從這個例子，能看出「過度思考」的幾個特點：回答簡單問題，兩個模型都寫了600多字。推理過程中有很多重復、多余的驗證方法。

推理內容越長，處理所需的時間就越多。模型會反復懷疑自己的推理過程。

在資源有限的環境，或像自動駕駛、智能交互助手這類需要實時響應的應用場景中，「過度思考」帶來的效率低下問題就會格外突出。

開啟高效推理

高效推理方法有以下三類，基于模型的有效推理、針對結果的優化和借助輸入提示的有效推理。

基于模型的有效推理

一種有效的做法是在RL中加入長度獎勵，引導它生成簡潔的推理。

以前，模型訓練的時候主要關注答案是否正確、格式是否規范。現在研究人員給它加了一個新的「考核指標」——推理長度。

就像老師不僅要求學生答對題，還要求答題過程簡潔明了。

獎勵函數通常是這樣的：

其中α用來調節長度懲罰在獎勵函數中的權重，R_length是根據推理響應長度設置的懲罰項，計算方式如下：

模型為了獲得更多獎勵，就會在保證答案準確的同時，盡量少用token。

利用可變長度的CoT數據進行監督微調，也是提升推理效率的有效方法。

這就好比給模型提供了不同難度和長度的「練習題」，讓它學會靈活應對各種情況。

訓練數據中既有完整詳細的推理鏈，也有簡短、高效的推理路徑。

通過這些示例，模型就能學會在不降低準確性的前提下，采用更簡潔高效的推理模式。

在微調模型的時候，既可以采用像LoRA這樣的標準微調方法，對模型參數進行小范圍的調整；也可以采用漸進式微調，讓模型慢慢適應新的思考節奏，逐步提高推理效率。

優化推理輸出，精簡思考過程

從推理輸出的角度，研究人員嘗試通過創新的方式來壓縮推理步驟，讓模型的「思考過程」更加精簡。

這些方法不改變模型的參數，直接對推理輸出的結果進行優化。

潛在推理技術能把推理步驟壓縮為更精簡的表達形式，圖中展示了多種以更高效的格式編碼的潛在推理方法：

• Coconut：在訓練過程中，逐漸減少推理內容的冗長部分。
• CODI：運用自蒸餾的方式，壓縮推理內容。
• CCOT：把CoT推理壓縮為潛在表征。
• SoftCoT：借助小型輔助模型，將潛在思維投射到較大的模型中。

這些方法通常會用到嵌入函數，把冗長的推理內容映射到一個更緊湊的空間里，用公式表示就是：

E_compact是壓縮后的推理表示，f是學習到的變換函數。

除了利用潛在表示，在推理過程中動態調整推理策略也是提高效率的關鍵。

動態推理會根據每個問題的具體情況，按需生成推理步驟，圖中介紹了兩種典型的技術。

在獎勵引導方面，推測拒絕優化了最佳N解碼算法。在生成多個響應的過程中，根據獎勵模型的評估，及時丟棄低質量的輸出，減少不必要的計算開銷。

面對復雜問題時，它會先大量生成可能的推理路徑，然后快速排除那些沒有希望的路徑，只保留高質量的路徑繼續推理，大大提高了推理效率。

這兩種技術的核心思路都是，根據問題的復雜程度靈活調整推理深度，用公式表示為：

借助輸入提示，巧妙引導思考

從輸入提示的角度入手，也能讓模型推理變得更高效。

長度約束提示簡單又實用，直接在提示里要求模型控制推理長度，比如「用不超過10個token回答下面的問題」。

CoD方法則讓模型在逐步推理時，只保留每個思考步驟的最少草稿，最多用五個單詞。

比如在解答數學題時，模型不再詳細寫出每一步的推導過程，而是用簡潔的幾個詞概括關鍵思路，這樣在保證準確性的同時，大大減少了token的使用。

不同的任務難度不同，對推理的要求也不一樣。

因此，根據輸入提示的屬性進行推理路由也是一種提高效率的策略。

RouteLLM訓練了一個查詢路由器，它根據問題的復雜性將查詢分配給合適的模型。

簡單的問題就交給速度快但推理能力較弱的模型處理，復雜的問題則交給能力更強的模型，這樣可以充分發揮不同模型的優勢，提高整體推理效率。

Self-Ref方法讓LLM能根據自身的不確定性分數來決定是否需要路由到更強大的模型。

如果模型對自己的答案不太確定，就會自動尋求更強大模型的幫助，減少不必要的推理步驟。

其他探索

除了上述方向，研究人員還在數據、模型和評估等方面進行了深入探索，以進一步提升LLM的推理效率。

用更少數據，辦更多事

很多研究發現，訓練數據的質量和結構，對模型的高效推理能力影響很大。

通過精心挑選和組織訓練數據，即使數據量少，也能讓模型有出色的表現。

• 數據多樣性：讓模型接觸各種推理模式和問題類型。
• 數據質量：選擇高質量的樣本，而不只追求數量多。
• 推理結構：明確教模型逐步推理，而不是直覺推理。

LIMO打破了傳統的觀念，不再追求數據的數量，而是專注于質量。

它會從難度、通用性和知識多樣性等方面挑選高質量的問題，然后再配上結構合理、驗證嚴格的解決方案。

用這精心挑選的817個樣本，LIMO訓練出來的模型就能超越那些用了10多萬個樣本訓練的模型，是不是很厲害？

S2R給LLM注入了自我驗證和自我糾正的能力，就像給模型請了一個私人教練。

它先在一個精心挑選的數據集上對模型進行微調，讓模型初步具備這些能力，然后再通過RL進一步提升。

只用了3100個初始化樣本，S2R微調后的模型在推理任務中的表現，比很多用大量長CoT蒸餾數據訓練的模型還要好。

小模型的「逆襲之路」

LLM雖然能力很強，但它對計算資源的要求也很高，在一些資源有限的場景里就有點施展不開。

這時候，小語言模型（SLM）就有了用武之地。

不過，要讓SLM在有限的資源下也能有強大的推理能力，還得給它來點「特殊訓練」。

知識蒸餾是提升SLM推理能力的重要方法，簡單來說，就是把LLM的智慧傳遞給SLM。

混合蒸餾就像是把不同的「知識精華」混合在一起，有的把長、短CoT推理示例混合，有的把CoT和PoT（Program of Thought）結合，讓SLM能吸收更全面的知識。

反事實蒸餾則像是給SLM創造了一些假設情境，通過對原始問題進行特殊處理，生成多視角的CoT，讓SLM從不同角度學習知識。

還有反饋驅動的蒸餾技術，它會不斷優化蒸餾數據集，像給SLM提供越來越精準的學習資料。

另外，一些方法還把探測和檢索機制融入蒸餾過程，或者在蒸餾時讓模型根據任務動態調整推理策略，這些都幫助SLM更好地學習LLM的推理能力。

評估推理能力

評估高效推理，需要綜合考慮準確性和推理效率：

• 準確性：看最終給出的答案是否正確。
• 效率：token使用數量、推理花費的時間、消耗的計算資源。

實際評估時，通常會先把效率指標標準化處理，再和準確性指標結合起來，形成一個綜合指標：

既獎勵正確性，又鼓勵推理的簡潔性。

Sys2Bench涵蓋了算術、邏輯、常識、算法和規劃等多個領域的任務，用11個不同的數據集對LLM進行全方位的測試。

通過這個測試，發現僅靠增加推理時的計算資源，并不能讓模型在所有任務中都表現出色，提升LLM的推理能力需要多種方法結合。

還有一些研究專門考察不同的推理策略對模型性能的影響，以及測試時擴展（TTS）策略和模型性能之間的關系。

對LLM的過度思考問題，也有專門的評估方法。

研究人員開發了一個評估框架，可以深入分析模型的推理過程，找出像分析癱瘓、異常行為和過早放棄等模式。

他們提出了「過度思考分數」，就像是一個健康指標，分數越高，說明模型過度思考的問題越嚴重，任務性能就越差。

通過選擇過度思考分數低的解決方案，可以讓模型性能提高30%，同時降低43%的計算開銷。