文章探讨了大型推理模型（LRMs）在推理过程中存在的效率问题，如冗余信息、过度思考简单问题等。研究指出，提高效率的关键在于平衡性能与计算成本。文章深入分析了LRMs推理低效的常见模式、面临的独特挑战，并提出了在推理、微调、强化学习和预训练等多个阶段提升效率的方法。此外，文章还展望了高效多模态、可信赖推理等未来研究方向，强调了高效推理在不同应用场景中的重要性。

💡 思考效率的定义：文章从任务分布的角度定义了推理效率，强调在保证模型质量（如准确率）的同时，降低计算成本（如token数）的重要性，从而实现性能与成本的权衡。

🤔 推理低效的常见模式：LRMs常表现出冗余内容、过度思考简单问题、以及不连贯与次优推理等低效模式。这些问题导致计算资源的浪费和推理速度的降低。

⚠️ 提升LRM推理效率的独特挑战：量化推理效用、控制思考长度、超越Transformer架构瓶颈以及跨任务泛化等，是提升LRM推理效率所面临的独特挑战。解决这些挑战对于构建高效推理模型至关重要。

⚙️ 提升推理效率的方法：文章介绍了多种提升推理效率的方法，包括长度预算、系统切换、模型切换、并行搜索等。这些方法旨在优化模型推理过程，减少计算资源的消耗。

🚀 未来研究方向：文章展望了高效多模态、视频推理、高效测试时扩展与无限思考、以及高效且可信赖的推理等未来研究方向。这些方向为LRMs的发展提供了新的思路和可能性。

2025-04-04 13:07 北京

为何要追求「言简意赅」的 AI？

最近，像 OpenAI o1/o3、DeepSeek-R1 这样的大型推理模型（Large Reasoning Models，LRMs）通过加长「思考链」（Chain-of-Thought，CoT）在推理任务上表现惊艳。

但随之而来的是一个日益严重的问题：它们太能「说」了！生成的推理过程往往充斥着冗余信息（比如反复定义）、对简单问题过度分析，以及对难题的探索浅尝辄止。

正如 Qwen2.5-32B-Instruct 回答「3 的平方是多少」只需要 30 个 token，而它的 LRM 版本 QwQ-32B 却能滔滔不绝地输出 1248 个 token 来反复验证。

这种低效不仅拖慢了模型训练和推理速度，也给实际应用（如智能体系统）带来了巨大挑战。莎士比亚说：「简洁是智慧的灵魂（Brevity is the soul of wit）」。在 LRM 时代，我们提出「效率是智慧的精髓（Efficiency is the essence of intelligence）」。

一个真正智能的模型，应该懂得何时停止不必要的思考，明智地分配计算资源（token），优化求解路径，用优雅的精确性平衡成本与性能。

上海AI Lab联合 9 家单位，总结超过 250 篇相关论文，深入探讨了当前提升 LRMs 思考效率的研究，聚焦于这个新范式下的独特挑战。

论文标题：A Survey of Efficient Reasoning for Large Reasoning Models: Language, Multimodality, and Beyond

论文链接：https://arxiv.org/pdf/2503.21614

代码仓库：https://github.com/XiaoYee/Awesome_Efficient_LRM_Reasoning

图表 1：综述的主要结构，分类章节，以及未来重要的研究方向

思考效率：定义、常见模式与挑战

在深入探讨方法之前，我们先明确什么是思考效率，看看 LRMs 通常在哪些方面表现「低效」，以及提升思考效率面临哪些独特挑战。

思考效率的定义

我们从任务分布的角度定义推理效率。对于一个 LRM 模型，其在任务分布上的思考效率定义为：

其中，每个任务被形式化定义为，其中代表一个数据集，而是对应的质量。是模型在任务上的质量（如准确率、创造力等），是计算成本（如 FLOPs、生成 token 数等）。简单来说，提高效率要么提升表现 Q，要么降低成本 C。这个公式强调了性能与成本的权衡。

推理低效的常见模式

尽管长 CoT 有效，但 LRMs 常常表现出以下低效模式：

冗余内容：模型输出中充斥大量重复、冗余的文本（如反复复述问题），这些内容对最终答案帮助不大，却增加了计算成本。

过度思考简单问题：LRM 难以根据任务复杂度有效分配「思考预算」。即使是简单问题（如 2+3=?），也可能生成多轮冗余的验证步骤。

不连贯与次优推理：这类现象称为「欠思考」。模型频繁地切换思考方向，导致推理过程浅显、碎片化，增大了推理链的长度。

LRM 思考效率提升的独特挑战

提升 LRM 的推理效率面临一些新的、独特的挑战：

量化推理效用：难以评估推理链中每一步的实际贡献。这使得精确判断哪些部分可以压缩或删减变得困难，在不牺牲性能的前提下追求简洁成为一个微妙的平衡问题。

控制思考长度：长度控制一直是 LLM 的难题，在 LRM 中更显关键。简单的 token 级限制过于死板，无法适应推理的语义结构。如何让模型「思考得恰到好处」，既不太浅以致遗漏逻辑，也不太深以致浪费计算，仍是一个悬而未决的问题。

超越 Transformer 架构瓶颈：现有 LRM 大多基于 Transformer，其二次复杂度在处理数千甚至更多 token 的长推理链时成为严重瓶颈。开发能够处理长序列的新架构或高效近似方法至关重要。

跨任务泛化：不同任务需要不同的推理深度。单一的推理策略或长度策略难以适应所有任务。如何在保证跨领域鲁棒性的同时实现效率，是一个复杂挑战。

推理时如何更高效？

这一部分聚焦于在模型推理（生成答案）阶段提升效率的方法，主要有四类策略：

长度预算（Length Budgeting）

最直接的方法是明确限制计算资源。

整体预算：通过特定提示词或解码策略来控制总 token 数或思考步数。

分步预算：引入规划 token 来控制每步长度，或鼓励生成简洁的中间步骤。

动态预算：根据问题难度或模型置信度动态分配资源，或通过惩罚机制阻止不成熟的思考切换。

系统切换（System Switch）

借鉴人类思维的双系统理论（System1 快直觉，System2 慢审慎）。

核心思想：让模型根据任务情况在快速（类 System1）和慢速（类 System2）推理模式间切换，优化资源分配。

模型切换（Model Switch）

在不同复杂度的模型间分配计算任务。

核心思想：用小模型处理简单部分/草稿，大模型处理困难部分/验证，或根据任务动态选择最合适的模型。

并行搜索（Parallel Search）

提升 Best-of-N、Self-Consistency 等并行生成方法的效率。

核心思想：同时生成多个候选答案，但通过更智能的策略减少总体计算量。

通过微调学习高效推理

监督微调（SFT）是让模型学习遵循特定指令的常用方法。这一部分探讨如何通过 SFT 让 LRM 学会更高效地推理，主要分为两类：

推理链压缩（Reasoning Chain Compression）

核心思想：让模型学习生成更简洁、无冗余的推理链。

潜空间微调（Latent-Space SFT）

核心思想：用连续的隐藏状态（latent space）表示推理步骤，替代显式的 token 生成。

如何用强化学习塑造高效推理？

强化学习（Reinforcement Learning，RL）已被证明能有效引导 LLM 发展深度推理能力（如 DeepSeek-R1）。这自然引出了一个想法：能否用 RL 更直接、更直观地提升推理效率？目前的研究主要围绕如何通过 RL 策略减少或控制推理轨迹的 token 使用，同时保持性能。

带长度奖励的强化学习（Efficient RL with Length Reward）

核心思想：在 RL 的奖励函数中直接加入对长度的考量，通常是惩罚过长输出。

实现方式如下：

1. 设定预算：

基于任务难度（通过成功率等指标量化）设定 token 长度预算，并据此设计奖励。

在 prompt 中明确给出目标长度指令，并惩罚偏离目标的行为。

2. 归一化奖励：

将长度奖励与基线模型（通过预采样得到）的长度进行比较和归一化。

在每个 prompt 内部进行长度惩罚归一化。

使用相对于同问题下生成的最长/最短答案的归一化长度因子作为奖励。

3. 设计特定函数：

使用如余弦函数形式的奖励，在鼓励有效推理步骤的同时，对过度增长的长度施加惩罚。

无长度奖励的强化学习（Efficient RL without Length Reward）

核心思想：不直接在奖励中加入长度项，而是通过改变 RL 框架或优化目标来间接实现效率。

从源头提升效率：预训练阶段的探索

这一部分着眼于在模型预训练阶段就融入高效设计的思路，旨在从根本上提升计算效率和性能。主要有三条路线：

潜空间预训练（Pretraining with Latent Space）

核心思想：使用连续表示（而非离散 token）作为预训练的基本单元。

子二次注意力（Subquadratic Attention）

核心思想：用计算复杂度低于 O(N²) 的注意力机制替代标准自注意力，以应对长 CoT 带来的长序列处理挑战。

线性化（Linearization）

核心思想：将预训练好的标准 Transformer 模型转换为线性循环结构（如 RNN 或 SSM），以提升部署效率。

未来方向：路在何方？

针对 LRM 高效思考的研究尚处早期，未来有许多激动人心的方向值得探索：

高效多模态与视频推理（Efficient Multimodal and Video Reasoning）

现状：CoT 推理在多模态领域（图像、视频）也显示出重要作用，但是其过度思考的问题非常严重，效率研究不足。

高效测试时扩展与无限思考（Efficient Test-time Scaling and Infinity Thinking）

现状：测试时扩展（增加思考时间/计算）是提升性能的直接方法，主要分并行采样（增宽）和顺序修正（加深）。

当前面临如下挑战：

并行：固定采样数对简单问题浪费计算，对复杂问题可能探索不足。
顺序：推理链可能无限延长（「无限思考」），带来巨大计算开销和管理难题。
平衡：如何高效地平衡搜索宽度和深度以优化延迟和资源？

高效且可信赖的推理（Efficient and Trustworthy Reasoning）

现状：长 CoT 给 LRMs 的可信赖性带来新挑战，包括安全性和可靠性。

当前面临如下挑战：

安全：推理过程中可能暴露敏感信息，即使最终答案安全。
可靠：长链更容易积累错误（幻觉），且 CoT 过程本身可能与模型内部实际「思考」不符（CoT 不忠实问题）。

构建高效推理应用（Building Efficient Reasoning Applications）

RAG：高效推理对动态、步进式检索与推理，以及根据需要调整检索链长度和数量至关重要。

Agent：LRM Agent 推理能力强，但计算开销大，限制了实时性。需要高效推理来降低延迟、成本，并缓解过度思考。

Tool learning：需要结合分层推理、早停、并行执行、动态查询路由等策略来提升调用外部工具的效率。

其他领域：编码、自动驾驶、医疗、具身智能等领域同样需要高效推理。

评估与基准（Evaluation and Benchmark）

现状：当前评估多集中于数学任务，比较准确率-token 权衡。

当前面临如下挑战：

需要更细粒度的指标来评估「过度思考」现象，区分有效推理和冗余步骤。
需要评估推理效率是否牺牲了通用智能（如创造力）。
缺乏专门用于衡量 LRM 过度推理倾向的基准。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：liyazhou@jiqizhixin.com

阅读原文

跳转微信打开