浙大+阿里提出快慢思考新方法：在多模态Reasoning上准确率涨10%，长度砍半
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
为什么大模型会“想太多”？
当你被问到“1+1等于几”时，如果非要先写一篇《论加法本源》再回答“2”，这就是典型的“过度思考”。当前的大型视觉语言模型（LVLM）也面临同样问题：无论问题难易，它们都会生成冗长的推理过程，导致效率低下，甚至因“话多必失”降低准确率。
论文：Fast-SlowThinkingforLargeVision-LanguageModelReasoning链接：https ://arxiv.org/pdf/2504.18458
如下表中简单题反被长答案拖累：
论文将这种现象称为“overthinking”，并指出其核心矛盾：
简单问题：长答案浪费算力，还可能引入错误细节
复杂问题：短答案无法覆盖关键推理步骤
FAST的核心是动态调节推理深度，其秘诀在于三个创新设计：
难度分：通过模型多次尝试的正确率计算（公式：），实时判断题目难度。
复杂度分：结合图像纹理（GLCM熵）和语义（ViT分类熵），量化问题是否需要详细推理（公式：）。
准确奖：答案正确+1分
格式奖：按要求用标签包裹答案+0.5分
思维奖：简单题答得短/难题答得长+0.5分（公式：动态调节长度奖励，见下表对比）
通过KL散度系数控制模型“放飞自我”的程度：
难题（如微积分）：松开刹车（β趋近0.001），鼓励探索
简单题（如识图）：踩紧刹车（β趋近0.03），避免跑偏
论文在7个多模态推理基准测试中验证FAST：
准确率：相比基础模型平均提升超10%，在MathVista等复杂任务中超越GPT-4o
效率：推理长度比传统“慢思考”方法减少32.7%-67.3%（如下表中R1-OneVision长度692vs.FAST仅204）
智能平衡：对难题自动延长推理（如几何题硬核模式长度+60%），简单题则“秒答”
FAST最精妙的设计在于动态性：
数据筛选：训练前期专攻难题（“慢思考”），后期专练速答（“快思考”）
奖励机制：不是一刀切鼓励长或短，而是根据题目类型“按需分配”
正则化调节：KL系数随难度浮动，如同开车时自动切换经济/运动模式
这种设计让AI像人类一样具备元认知能力——知道何时该深思熟虑，何时该果断决策。
最后，论文也指出待解难题：如何让模型自主判断“未知问题”该快该慢？这可能成为下一阶段的研究重点。
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
