小紅書Hi Lab團隊提出可大幅降低平均思考長度的強化學習訓練方式

6月19日，小紅書技術團隊發文稱，深度思考模型通過Test-Time Scaling（測試時擴展）大幅提升了模型推理能力，但同時也出現了大量冗餘和無效思考。小紅書Hi Lab團隊提出了Think When You Need的強化學習訓練方式；在不影響最終效果的前提下，實現動態CoT能力，大幅降低平均思考長度。實驗證明，這種思想在推理和非推理等各種任務上廣泛適用。團隊還發現了一種現象：即在相同任務下，越聰明（參數量大）的模型，需要的思考長度越短；這與當前深度思考模型表現相違背，卻十分符合人類的認知。