你有没有试过对 AI 说：“别推理了，直接给我答案？”
它答应了。然后——照想不误。
清华大学联合牛津大学、斯坦福大学的新研究，给这个现象起了个形象的名字：思维惯性（Thinking Inertia）。物理里的惯性是“运动的物体停不下来”，LLM 的惯性是“开始思考的模型刹不住车”。
团队测了 6 个主流模型（DeepSeek，Qwen，Gemini，GPT）、6 个基准、6 种干预方案、超过 57 万条输出，结论很扎心：没有任何一种“别思考”指令能真正让模型闭嘴。
最夸张的是 DeepSeek-V4-Flash——开放式题目上，哪怕关掉了思考模式，99.9% 的回答里仍然藏着显式推理。
以前的“不思考”，都是表面功夫
为什么这个问题一直没被看见？因为社区判断“模型有没有在思考”，靠的是三个表面代理：
- 提示侧控制：开了 no-think 模式，就当它没思考
- 格式控制：输出里没有
<think> 标签，就当它没思考
- 长度控制：输出够短，就当它没思考
开关关了 ≠ 脑子停了。要研究“不思考”，必须直接看输出内容，而不是看输出的外表。
怎么测“不想”：一把三层标尺
论文把每次回答拆成两半：答案前文本 T 和 最终答案 A，再给 T 设三层由松到严的检验：
- L1 空思考率 ETR：最严及格线——输出里除了答案，啥都没有
- L2 问题相关度 QRel：用 Qwen3-Embedding-4B 算 T 与问题的语义相关度
- L3 显式推理率 EIR：请 GPT-5.5 当“盲评裁判”，只看问题和 T，判断是否在推理
盲评裁判手里有一份五分类评分表，只有判为“显式推理”才算命中：
这套设计最妙的一点是：准确率单独算。一个模型可以答案全对、嘴上一直推理；也可以闭了嘴、却开始答错。两条线分开看，故事才完整。
六档“让模型闭嘴”的方案
研究把干预手段排成一个从“鼓励思考”到“最强压制”的光谱：
其中 M2（THINK-OFF） 是原生关闭思考的基线；M4、M5 是越来越狠的自然语言指令；M6 最特别——直接预填“The answer is \boxed{”，绕过指令通道，从结构上逼模型只写答案。
核心发现：答案空间越开放，模型越刹不住
这是全文最重要的一张图。关掉思考开关（M2）之后：
- 判断题（BoolQ／StrategyQA）：多数模型 ETR 达到 80–100%，基本能闭嘴
- 选择题（MMLU／MMLU-Pro）：参差不齐，ETR 从接近 0 到 95% 都有
- 开放题（GSM8K／MATH）：ETR 全线崩塌，几乎为 0
显式推理率则呈现整齐的阶梯：Bool < MCQ < 开放。这就是思维惯性——模型不是在执行“思考／不思考”的开关，而是被任务的答案空间拖着走。
反向实验更有意思：保持开关关闭，只加一句 Think step by step，推理立刻复活，相关指标弹回思考模式水平——但 Bool < MCQ < 开放的阶梯纹丝不动。能改变的只有总量，改变不了结构。
压得越狠，错得越多
那用更狠的指令强压呢？Figure 5 给出了一个两难答案：
在开放题上，从 M2 换到最严的 M5：
- ETR 从接近 0 拉到约 40% ✅
- 平均准确率掉了约 15 个百分点 ❌
- EIR 从 99.69% 降到 62.00%——六成回答仍在推理
判断题和选择题上，压制几乎不损准确率；但开放题是另一回事：“不想”的代价就是“答错”。
同一道题，只是换个问法
惯性到底来自题目难度，还是来自“答案长什么样”？论文做了个漂亮的对照：同一批 MMLU／MMLU-Pro 数学题、同一个 Qwen3-32B、同样关思考，只改答案界面：
- 原样选择题：准确率 77.8%，ETR 仅 10.5%
- 改写成判断题（给候选答案让它验证）：准确率 78.9% 几乎不变，ETR 飙到 62.5%，EIR 从 87.0% 砍到 36.9%
- 改写成开放题：准确率跌到 52.6%，ETR 直接 0%，EIR 高达 90.1%
给不给候选答案，决定了模型能不能“直接答”。这不是难度问题，而是结构问题：有候选可挑，直觉就能顶上；要自己生成，就得老老实实算。
下面这道几何题的三种问法、六种模式下的真实输出，是最好的脚注：
连学科都有关系
同样是四选一界面，换个学科，“闭嘴”难度也不同：
反直觉的是：STEM 准确率最高，ETR 却最低（0.3%–36.4%），EIR 最高（59.7%–85.5%）。模型越擅长一个领域，越忍不住要把过程写出来——准确率高 ≠ 更容易闭嘴。
这篇研究提醒我们：对当下的大模型而言，“不思考”远不是一个开关能决定的。无论提示词怎么设计，思维的结构性惯性依然根深蒂固。对做模型 API 应用、提示工程，或是正在学习大模型开发的朋友来说，理解这种“按不下的惯性”，比单纯追求更狠的指令更有价值。想进一步系统掌握 Prompt Engineering 与 LLM 开发，云栈社区上有不少实战教程可以一起交流。
论文信息：
发表于 1 小时前
|
查看: 8|
回复: 0
