中科院提出DEER：让Reasoning提前退出，推理提速50% 准确率涨10%
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
当LLM“想太多”怎么办？
想象你考试时反复验算同一道题，最后反而改错了答案——这就是当前大型语言模型（如ChatGPT的“推理模式”）的困境。它们会像强迫症患者一样生成冗长的推理步骤，不仅拖慢速度，还可能“想太多”导致出错。
论文：DYNAMICEARLYEXITINREASONINGMODELS链接：https ://arxiv.org/pdf/2504.15895
效率低：生成1000字分析只为一个选择题答案
易跑偏：过度推理可能引入错误信息（比如强行给“1+1”编造复杂证明）
75%的题目存在“珍珠推理点”（即提前退出也能答对）
36.7%的题目只需不到一半的推理步骤即可答对
盯梢关键词：监测“Wait”“Alternatively”等思考转折词
诱导试答：遇到转折点时让LLM先“交卷”
信心评估：若试答置信度够高，直接终止思考（其中的置信度计算（简单理解：AI对自己答案的“自信程度”平均值）
举个栗子🌰：AI在解数学题时突然出现“Wait”，DEER会立刻让它输出当前答案。如果此时答案置信度高达99%，就果断喊停，避免后续无效思考。
推理长度缩短31-43%：相当于从写作文变成列提纲
准确率提升1.7-5.7%：少即是多的完美诠释
编程任务更夸张：代码生成长度减少64.9%，通过率反升
用“Alternatively”代替“Wait”作刹车信号，准确率更高但效率稍降
看论文中的经典案例：
原版推理：LLM反复验证导致死循环，最终超时未作答
DEER版：在第一次正确推理后立即刹车，成功得分
备注：昵称-学校/公司-方向/会议(eg.ACL)，进入技术/投稿群
id：DLNLPer，记得备注呦
