license: apache-2.0 datasets:

• open-thoughts/OpenThoughts2-1M
• Vinnnf/Hybrid-OpenThoughts2-1M-1.5B base_model:
• deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B pipeline_tag: text-generation library_name: transformers

无思：大模型学会何时思考

简介

[!NOTE] 大模型能学会何时思考吗？

我们提出无思框架（Thinkless），这种可学习框架使大模型能根据任务复杂度和自身能力，自适应选择简短推理或长链推理。该框架采用强化学习范式训练，使用两个控制符：<short>触发简略回答，<think>触发详细推理。方法核心是解耦分组相对策略优化算法（DeGRPO），将混合推理的学习目标分解为：(1) 控制符损失——决定推理模式选择；(2) 响应损失——提升生成答案准确性。这种解耦结构能精细调控各目标贡献度，稳定训练过程，有效避免原始GRPO出现的崩溃现象。实验表明，在Minerva代数、MATH-500和GSM8K等基准测试中，无思框架能减少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-Warmup"

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

instruction = "请逐步推理，并将最终答案置于\\boxed{}中。"
prompt = f"{instruction}\n若7、2、$x$和10的算术平均数为9，求$x$的值？"

messages = [
    {"role": "user", "content": prompt}
]

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

think_mode = True
if think_mode:
    text = f"{text}<think>"
else:
    text = f"{text}<short>"

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

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=4096
)
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]

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

引用

若此工作对您有帮助，请引用：

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