论文标题：Controlling Thinking Speed in Reasoning Models
作者团队：浙江大学、阿里巴巴云、浙江工业大学
发布时间：2025年10月30日
✅Lab4AI平台提供AI导读和AI翻译等工具，辅助论文阅读。您还可以投稿复现这篇论文~
⭐核心亮点
本研究的核心亮点集中在三大突破性贡献：
- 其一，首次揭示LRMs存在快慢思维模式的内在切换机制，发现“To”“Okay”等特定开头词可分别触发快速、慢速思维，为思维控制提供了天然切入点；
- 其二，基于表示工程技术首创思维速度控制方法，通过读取快慢思维样本的PCA导向向量，并向模型隐藏状态注入该向量，实现推理时的缩放效应；
- 其三，设计自适应动态推理策略，借助Jensen-Shannon散度量化推理难度、滑动窗口检测高难度片段，再通过动态阈值机制自动在简单段加速、复杂段减速，且方法无需训练即可嵌入现有部署系统，兼顾创新性与实用性。
⭐核心结果
研究在多模型、多基准上验证了方法有效性。
- 实验以DeepSeek-R1-Distill-Qwen-7B/32B、QwQ-32B等为测试模型，在AIME24、MATH-500等基准上对比预算强制法等基线；
- 思维速度控制方面，所有LRMs加速（α>0）时准确率较基线平均提升8.2-11.4%，减速（α<0）时平均提升0.51-1.46%；自适应控制表现更优，相比原始LRMs，在将准确率提升1.26%的同时，减少8.56%的token使用量；
- 此外，模型呈现明显测试时缩放效应，随响应长度增加（思维变慢），性能持续提升，验证了思维速度调控的有效性与稳定性。
