近日，浙江大学硕士生张盛佳及其团队提出一种名为OThink-R1的新方法，旨在让大语言模型具备自主判断是否需要深度思考的能力，从而优化计算资源的使用效率。研究发现，当前主流的深度推理模型在面对简单问题如“1+1=？”时，仍会启动冗长的推理流程，这不仅延长了响应时间，也造成了算力浪费。相比之下，人类在处理这类问题时通常依靠直觉快速作答，体现出“快思考”与“慢思考”相结合的智慧。 受此启发，研究团队试图赋予大模型类似的人类思维模式：对简单任务直接给出答案，对复杂问题则展开深入分析。为此，他们首先分析了非推理模型（快思考）与深度推理模型（慢思考）在常识问答、小学数学等简单任务上的表现，系统梳理出大量推理链中的“必要推理”与“冗余推理”特征。通过识别并剔除冗余部分，构建了一套混合推理数据集，并基于该数据集对模型进行监督微调。 这一策略使模型能够在不牺牲准确性的前提下，学会根据问题难度自主决定是否启动深度思考。实验表明，OThink-R1显著减少了不必要的推理步骤，提升了推理效率，同时保持了在复杂任务上的高性能。该成果对突破“测试时扩展定律”（Test-time Scaling Law）具有重要意义，标志着大模型正从“一味增加计算量”转向“智能分配计算资源”的新阶段。 在研究过程中，团队面临诸多挑战。早期尝试使用强化学习（如GRPO）和直接奖励函数设计，均因模型指令遵循能力弱、输出不稳定而失败。随后采用DPO算法也因训练分布剧烈变化导致性能崩溃。最终，通过引入大模型辅助判断推理有效性，重构数据并采用监督微调，才实现了稳定且可迁移的快慢思考切换能力。 目前，OThink-R1仍依赖外部模型LLM-Judge来评估推理冗余，未来团队计划探索端到端的自动判断机制，进一步提升系统的自主性与实用性。该研究是OPPO与浙江大学联合攻关项目的重要成果，为下一代高效、智能的大模型发展提供了新思路。