本文共同第一作者为张均瑜与董润沛，分别为伊利诺伊大学厄巴纳-香槟分校计算机科学研究生与博士生；该研究工作在伊利诺伊大学厄巴纳-香槟分校张欢教授与 Saurabh Gupta 教授，加州大学伯克利分校 Jitendra Malik 教授的指导下完成。
在思维节奏这件事上，人类早已形成一种独特而复杂的模式。
我们习惯让 AI 模仿人类思维方式：先依赖直觉快速反应（System 1），再慢慢进入逻辑推理（System 2）；答题时先给出初步判断，再自我反思逐步修正……模仿人类的推理节奏，已经成为语言模型推理策略的默认路径。
最近，一项来自 UIUC 与 UC Berkeley 的新研究提出：也许模型不该再走这条「人类范式」的老路。
他们提出了一种新的测试时推理调控框架——AlphaOne，主张让模型反其道而行：先慢速思考，再快速推理。
-
论文标题： AlphaOne: Reasoning Models Thinking Slow and Fast at Test Time
-
项目主页：
https://alphaone-project.github.io/ -
论文地址：
https://arxiv.org/pdf/2505.24863 -
代码地址：
https://github.com/ASTRAL-Group/AlphaOne
令人意外的是，这一策略不依赖任何额外训练，仅需在测试阶段引入一个全局推理调控超参数 ，即可显著提升模型的推理准确率，同时让生成过程更加高效紧凑。或许，是时候重新思考：AI 真的需要「像人类」那样思考吗？
看似聪明的推理，其实是不懂停下来的错觉
近年的大型推理模型（LRMs），如 OpenAI o1 和 DeepSeek-R1，在复杂推理任务上取得显著进展，逐渐具备类似人类的 System-2 能力，能够在测试阶段主动慢思考，从而处理需要高阶认知的难题。
这些模型通过强化学习训练出的「慢思考」策略，让它们在面对复杂问题时能够自动放缓推理节奏，从而取得更好的表现。但这种自动「慢下来」的能力真的可靠吗？
与人类不同的是，大模型在推理过程中很难像我们那样灵活切换快慢节奏。心理学中描述的 System-1 与 System-2 转换，是一种受控、动态的思维过程——我们先快速判断，再在困难时激活深度思考，从而在效率与准确之间找到平衡。
相比之下，现有模型往往要么陷入过度思考（overthinking），生成冗长无用的推理链；要么思考不足（underthinking），在问题真正展开前就草率收场。
这背后的根源在于：模型缺乏对推理节奏的主动调控能力，无法准确找到「该慢下来」的最佳时机。
无需训练的全局推理调控，AlphaOne 只做了一件事
AlphaOne 的核心，是引入统一的调控点 -moment：-moment 之前通过 Bernoulli 过程插入「慢思考」标记，之后用终止标记切换为快思考，实现无需训练的连续推理调控。
图 1： 不同推理调控方法在推理过程中的表现对比。（红色）采用由 控制的「先慢后快」推理策略，相比之下， 的推理效率优于单调延长思考型方法 （黄色），并在整体表现上普遍优于单调压缩推理型方法（紫色）。
什么是 -moment？
目前多数现有方法要么采用固定的慢思考机制（如在末尾强制延长思考），或者采用单调压缩推理生成策略。然而，这类设计通常缺乏对推理阶段整体结构的统一建模。我们是否可以在无需训练的前提下，统一调控整个推理过程的演进方式，并设计出更高效的「慢思考转化策略」？
AlphaOne 对此提出了解答：通过引入 -moment——一个统一的调控节点，即推理阶段达到平均思考长度 倍的位置。在此之前引导深度思考，在此之后转入快速推进。它不依赖固定阈值或启发式规则，而是提供了一个可调、可迁移的推理控制接口。
图 2： AlphaOne（）整体流程示意图。在 -moment 之前，模型按照用户设定的策略，以 Bernoulli 过程插入 wait，引导深度推理；-moment 之后，wait 会被替换为 </think>，以促进快思考。 的数值决定这一转换的时机，例如将 从 1.4 降至 1.0，会提前结束慢思考，并加快 的衰减速度。
-moment 前：慢思考调控机制
在 -moment 之前， 通过一种概率驱动的调控策略，逐步引导模型进入深度推理状态。
具体来说，当模型生成结构性停顿（如 \n\n）时，会以一定概率插入 wait——这是一种慢思考过渡标记（slow-reasoning transition token），用于显式地触发模型的慢思考行为。这种插入并不是固定次数，而是基于一个 Bernoulli 采样过程，其概率 由用户设定的调度函数 控制。
调度函数可以是线性下降（先慢后快）、线性上升（先快后慢）、指数衰减等多种形式。AlphaOne 默认采用线性衰减策略——在推理初期更频繁地引导慢思考，后期逐步减少干预，避免过度拖延。
图 3： 不同调度函数的可视化
-moment 后：快思考引导机制
但另一个挑战随之而来：如果持续插入 wait，模型可能会陷入「慢思考惯性」，迟迟无法回归高效推理。
为了解决这个问题，AlphaOne 在 -moment 之后显式终止慢思考： 一旦生成节点超过 -moment，所有后续的 wait（即慢思考过渡标记）将被统一替换为 </think>——这是一个思考终止标记（end-of-thinking token），用于打断延续中的慢思考链。
值得注意的是，</think> 并不代表模型立即开始作答。由于慢思考惯性，模型往往无法直接切换到答案生成阶段。因此，</think> 实际上起到的是快思考触发信号的作用，用于提醒模型当前应结束反复推理、转向高效推进。这种机制被称为确定性推理终止，它让模型能够自然地从「深度反思」切换到「快速收敛」，避免低效的推理拖延。
从数学到科学问答，AlphaOne 的策略胜在哪里？
研究团队在六大推理任务中进行了系统实验，涵盖数学题解、代码生成、科学问题理解等多种类型。
实验总结
-
准确率全面领先：无论在小模型（1.5B）还是大模型（32B）上， 都比原始模型和现有推理调控方法（如 和 CoD）更准确。
-
以 1.5B 模型为例， 提升准确率达 +6.15%。
-
推理效率显著优化：尽管采用了慢思考机制， 在 1.5B 模型中平均生成 token 数却减少了 14%，展现出高效慢思考的非直觉优势。
表 1： 与基线方法在数学、代码与科学推理任务中的系统性能比较
关键问题分析
-
哪种「慢思考调度」最有效？
图 4： 不同调度策略在 AMC23 和 OlympiadBench 上的推理准确率
-
-moment 能否灵活调控「思考预算」？
wait 标记数量相应增加，平均思考 token 数也随之增长，体现出 -moment 对思考预算具有良好的可伸缩性（scalability）。
图 5： 的缩放特性分析
-
推理效率真的更高吗？
图 6： 基于 REP 指标的推理效率分析
-
慢思考标记的采样频率应如何设定？
，我们发现：过低或过高的采样频率都会降低模型性能，说明慢思考既不能太少，也不能太密。不过， 在较宽频率区间内依然表现稳健，说明只需设定一个适中频率，即可带来稳定的推理提升。
图 7： 常数调度下 wait 插入频率的缩放特性
-
-moment 后的快思考引导机制是否必要？
表 2： 是否启用后 -moment 调控机制对推理性能的影响
具体案例
为了更直观地理解 的作用，研究者展示了来自不同基准的推理案例，分别对应模型在使用 后的成功与失败。
-
成功案例：化学混合题（OlympiadBench）
-
失败案例：多角恒等式推理（AMC23）
AlphaOne 之后，还有哪些可能？
提供了一种无需训练、即可在测试阶段灵活调控推理过程的全新框架，初步验证了「慢思考→快思考」的策略对大模型推理效果与效率的显著提升。
但真正理解「思考」如何被更好地建模，仅仅迈出了一小步。研究者提出了几个值得关注的方向：
-
更复杂的慢思考调度策略：当前只探索了简单的「先慢后快」调控策略，未来可以设计更精细的调度函数，甚至发展出独立的推理调控模块。
-
摆脱特定标记的依赖：现阶段调控往往依赖 wait等特殊转移标记，但不同模型对这些标记的响应不同。未来若能完全摆脱这些「外部标签」，将极大增强泛化能力。
-
跨模态推理的扩展：当前工作聚焦于文本推理，而多模态大模型（如图文、视频大模型）正快速崛起。未来可将 框架扩展至多模态场景，探索语言与感知信息的协同推理。
©
（文：机器之心）