最近那些超级AI（比如DeepSeek之类推理模型）变得特别会做题，秘诀就是让它们像人类一样"把思考过程写出来"。但这篇论文发现了个反常识的现象——有时候不思考反而更厉害！
神奇发现： 用最新AI"深度求索-R1-蒸馏版"做实验，发现只要对它说"别想了直接答"，成绩反而更好！尤其在以下场景：
- 数学题、编程题、证明题等7种烧脑任务
- 比如某编程考试里，让它"别多想"能拿51分，"认真思考"反而只有28分
- 当允许AI多试几次（比如猜5次选最好答案）时，"不思考"模式几乎和"思考"模式一样强
作弊技巧： 让AI用"不思考"模式快速生成N个答案，然后：
- 有标准答案时就自动批改
- 没答案时就选AI自己最有信心的那个
- 结果比让它慢慢思考更快更好，最快能达到9倍速度！
网友讨论： 1、这篇论文在研究大语言模型（比如 DeepSeek-R1-Distill-Qwen-32B）时，发现一个反直觉的现象：“让模型假装思考（写一堆推理步骤），有时候还不如直接让它‘别想了，快答！’”
实验对比：
- “正常模式”：模型像学霸一样，边做题边写思考过程（比如
先这样…再那样…所以答案是42 ）。 - “无思考模式”：直接给模型一个提示：“好了，我已经想完了，答案是：_”，让它跳过推理，直接输出结果。
在数学、编程、逻辑推理等任务上，“无思考”模式反而成绩更好，尤其是： 限制输出长度时（比如只让模型写700个字）：
- “无思考”得分 51.3 vs “思考”得分 28.9（差距巨大！）。
让模型多试几次（Best-of-N）：
- “无思考”模式生成多个答案后选最好的，表现几乎和“思考”模式一样强。
2、指理模型（Qwen-32B-Instruct）总体表现比DeepSeek R1 Distill差 因此，总的来说，我认为这篇论文只是部分地捕捉到了 R1 Distill Qwen 32B 优于 Qwen 32B 的地方，而另一部分则表明 RL 模型的表现与 best-of-n 类似。
3、我目前正在对 RAG 进行研究，将已知事实直接注入推理步骤。
"<认为>我知道{结果在这里}，所以...... "
<think> I know that {RESULTS HERE}, so…
|
确实有助于减少幻觉。