license: apache-2.0 datasets:

• agentica-org/DeepScaleR-Preview-Dataset base_model:
• Vinnnf/Thinkless-1.5B-Warmup pipeline_tag: text-generation library_name: transformers

Thinkless：大语言模型学会何时思考

简介

[!NOTE] 大语言模型能学会何时思考吗？

我们提出Thinkless框架，通过强化学习范式训练大语言模型自适应选择简答（<short>标记）或长链推理（<think>标记）。核心创新是解耦分组相对策略优化算法（DeGRPO），将混合推理目标分解为：（1）控制标记损失——决定推理模式选择；（2）响应损失——提升答案准确性。这种解耦结构能精细调控各目标贡献，有效避免原始GRPO的坍缩问题。在Minerva Algebra、MATH-500和GSM8K等基准测试中，Thinkless减少50%-90%的长链推理使用，显著降低推理语言模型的计算成本。

流程架构

快速开始

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Vinnnf/Thinkless-1.5B-RL-DeepScaleR"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

instruction = "请逐步推理，并将最终答案放在\\boxed{}中。"
prompt = "7, 2, $x$和10的算术平均数是9。$x$的值是多少？"
# prompt = "能表示为三个连续整数之和的最小正完美立方数是多少？"
# prompt = "单词\"strawberry\"中有多少个字母r"

messages = [
    {"role": "user", "content": f"{instruction}\n{prompt}"},
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

# text = text + "<think>" # 取消注释强制启用思考模式

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=16384,
    do_sample=True,
    temperature=0.6,
    top_p=0.95
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
num_tokens = len(generated_ids[0])

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

think_mode = ("<think>" in response)

print(text+response)
print(f"\n思考模式: {think_mode}")
print(f"生成token数: {num_tokens}")

案例研究

用户提问:

1+1=?

Thinkless-1.5B:

<short>
解题步骤：
1. 识别数字：1和1
2. 执行加法运算：1 + 1 = 2
最终答案：\boxed{2}

DeepSeek-R1:

（此处省略约300字冗长推理过程）
经过多角度验证确认1+1在十进制中确实等于2，最终答案为\boxed{2}

用户提问:

能表示为三个连续整数之和的最小正完美立方数是多少？

Thinkless-1.5B:
注：此处省略详细推理过程

<think>
解题思路：
1. 设三个连续整数为a, a+1, a+2
2. 其和可表示为3(a+1)
3. 检查立方数序列：
   - 27=3×9（满足a=8）
最终结论：\boxed{27}
</think>

引用

若此工作对您有帮助，请引用：

@article{fang2025thinkless,
  title={Thinkless：大语言模型学会何时思考},
  author={方功凡 and 马新寅 and 王新超},
  journal={arXiv预印本 arXiv:2505.13379},
  year={2025}
}