ZJU REAL Lab 投稿 量子位 | 公众号 QbitAI DeepSeek-R1、OpenAI o1等推理模型大放异彩。但随着能力增强，一个副作用越来越明显—— 这不光影响效率，更可能导致错误 —— 在长链式思考中，每一步的小误差都会累积放大 ，最后可能想着想着就跑偏了。 于是，一个关键问题摆在了现实面前： 如何让模型既然会思考推理，也懂得"适可而止"，知道什么时候该停下来？ 针对于此，来自浙江大学、天津大学和MSRA的研究团队提出了一个新方法， Self-Braking Tuning （SBT） 。 它是一种轻量级、通用的调优机制，可无缝集成到现有大模型中。其主要目的是让模型不再一味求"多想"，而是在最短路径上到达正确答案。 其核心设计包括刹车信号机制、多任务微调，且无需外部模块或改动推理流程。 其中，刹车信号机制是在训练阶段引入一类特殊的信号，指示"当前信息已经足够完成任务"，模型据此学习何时应终止推理。 多任务微调则指挥模型同时学习如何解题&何时停步，兼顾准确性与效率。 它们开始想太多了 。 从奥数题到程序逻辑，能解的题越来越多、推理链条越来越长。 也就是说，模型在完成推理任务时， 常常出现过度 ...