💻 computer science
When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning
本文介绍了并排（SxS）交错推理框架，该框架使大型语言模型能够在生成过程中动态控制内容披露的时机，以平衡 deliberation 时间与过早承诺之间的权衡，从而在各种基准测试中提升准确性与延迟性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在向一位才华横溢但极其谨慎的朋友求助，解决一个复杂的谜题。
旧方法：“沉默税”
在当前大型语言模型（LLM）的工作方式中，你的朋友必须大声思考。但这里有个陷阱：一旦他们说出一个词，那个词就公开了。他们无法收回。
- 如果他们保持沉默以深入思考，你就只能尴尬地坐在那里等待（即“沉默税”）。
- 如果他们为了礼貌而立即开始说话，他们可能会说错话或说出未成熟的想法。因为话已出口，他们现在就被“锁定”在这个想法上，这可能会使他们在后续更难纠正方向。他们被迫在一个不稳固的基础上继续构建，仅仅因为他们说得太早。
新想法：并排（SxS）推理
这篇论文提出了一种 AI 说话的新方式，称为并排（SxS）交错推理。
这就像一场带有秘密配方的现场烹饪秀。
- “思考”模式（私密）： 厨师（AI）在厨房里切菜、品尝和混合食材。你看不到这部分。这是他们的私人工作空间。
- “说话”模式（公开）： 厨师走到柜台前告诉你：“我现在要加盐了。”
- 魔法规则： 只有当厨师已经尝过这道菜并 100% 确定加盐是正确的做法时，才被允许走出来说话。他们不会只是为了填补沉默而胡乱喊出猜测。
工作原理（“蕴含”技巧）
这篇论文教会了 AI 一条特定规则：“在思考无法支撑你即将要说的话之前，不要开口。”
- 训练厨师： 研究人员使用了数千个 AI 解决问题的示例。他们利用一位“监督者”（另一个 AI）来检查：“这个特定的思考步骤是否确实证明了那个特定的答案步骤？”
- 交错舞蹈： 他们创建了一种新的训练格式，让 AI 练习在“思考”（私密）和“说话”（公开）之间来回切换。
- 思考： “我需要计算面积。”（私密）
- 思考： “公式是长乘以宽。”（私密）
- 说话： “面积是 50。”（公开，因为思考刚刚证明了这一点）。
- 思考： “等等，让我再检查一下单位。”（私密）
- 说话： “所以，是 50 平方米。”（公开）。
结果：两全其美
这篇论文在数学问题（AIME25）和科学问题（GPQA-Diamond）上测试了这种方法，使用了两种不同大小的 AI 模型。
- 更快的更新： 不再需要等待 20,000 个 token（非常长的时间）才能得到最终答案，AI 现在能更早地提供经过验证的小块答案片段。这就像得到了一个真正会移动的进度条，而不是一个旋转的加载圈。
- 无“填充”： 因为 AI 被训练为只有在拥有证据时才开口，所以它不会为了填补沉默而胡言乱语。
- 准确率保持高位： 有时，强迫 AI 过早说话会使其变笨。但由于这种方法采用了两步训练过程（首先学习如何切换模式，然后使用强化学习确保答案仍然正确），AI 依然保持聪明。
- “帕累托”胜利： 论文声称这创造了一种更好的平衡（一种“帕累托权衡”）。你可以在不牺牲最终答案质量的前提下，获得更快、更频繁的更新。
总结
这篇论文通过教会 AI 成为一个自信且经过验证的说话者，解决了“沉默税”问题。它允许模型在工作时保持戴上“思考帽”，只有在确认某部分解决方案是稳固时，才将其摘下以分享该部分。这使得互动感觉更快、更具响应性，而无需强迫 AI 为了填补沉默而去猜测或撒谎。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。