在過去一年中，大模型推理中的「過度思考」問題引發(fā)了廣泛關(guān)注。然而，真正的挑戰(zhàn)并非簡單地縮短思維鏈。面對簡單問題，模型往往在得出正確答案后仍持續(xù)進行冗余驗證；而許多旨在抑制過度思考的方法雖能壓縮輸出長度，卻常常將必要的推理探索一并剔除，導(dǎo)致模型從「想太多」直接滑向「想太少」。高效推理的核心目標并非一刀切地削減推理步驟，而是使模型在不同任務(wù)中實現(xiàn)恰到好處的思考深度。

針對這一問題，哈爾濱工業(yè)大學(xué)（深圳）等機構(gòu)的研究者提出了 ReBalance 方法，并首次系統(tǒng)性引入Balanced Thinking這一新視角。該工作的核心觀點明確：高效推理的關(guān)鍵并非盲目壓縮推理長度，而是在過度思考與思考不足之間維持動態(tài)平衡。

基于此，ReBalance 利用模型自身的置信度信號，在思考過程中實時調(diào)控其內(nèi)部狀態(tài)，無需額外訓(xùn)練即可實現(xiàn)推理行為的動態(tài)引導(dǎo)。實驗表明，在參數(shù)規(guī)模從 0.5B 至 32B 的四個主流模型上，以及涵蓋數(shù)學(xué)推理、通用問答和編程任務(wù)的九個基準測試中，ReBalance 在精度提升 10.0 的同時，推理長度直降 35.4%。

• 論文標題：Efficient Reasoning with Balanced Thinking
• 項目主頁：https://rebalance-ai.github.io
• 會議：ICLR 2026
• 方法名稱：ReBalance
• 作者機構(gòu)：哈爾濱工業(yè)大學(xué)（深圳）等

真正的問題，不是「過度思考」，而是「思考失衡」

慢思考模型已展現(xiàn)出強大的推理能力，但「會推理」不等于「高效推理」。在簡單題目上，模型經(jīng)常在答案收斂后持續(xù)分叉、回看、復(fù)核，帶來更高的延遲和 token 成本，甚至可能引入額外幻覺。現(xiàn)有方法主要通過抑制反思關(guān)鍵詞的生成或直接施加推理長度懲罰來緩解這一問題，但它們往往隱含了一個過于簡化的假設(shè)，即推理「越短越好」。

然而，過度思考與思考不足本質(zhì)不同。前者指在正確推理路徑已然顯現(xiàn)后仍無謂延展，后者則是在探索尚未充分時便倉促得出結(jié)論。若將這兩種失衡模式混為一談，許多標榜「高效」的方法實則以犧牲準確率為代價換取推理長度縮減。

ReBalance 的核心貢獻在于將高效推理重新定義為一種「平衡」問題：模型不應(yīng)一味追求縮短推理，而應(yīng)在恰當(dāng)?shù)臅r機停止冗余思考，在必要時繼續(xù)深入探索，從而實現(xiàn)簡潔性與充分性的統(tǒng)一。

圖 1：在同一問題上，慢思考模型在得出正確答案后仍進行冗余反思；現(xiàn)有抑制方法則過度壓縮有效推理，導(dǎo)致思考不足；而 ReBalance 能夠生成既簡潔又充分的推理過程。

關(guān)鍵發(fā)現(xiàn)：置信度是推理狀態(tài)的可靠連續(xù)信號

論文中提供了一個具有啟發(fā)性的見解。作者通過分析 step-level confidence 及局部 confidence variance 發(fā)現(xiàn)，不同推理失衡狀態(tài)呈現(xiàn)出顯著差異的置信度軌跡。在過度思考情形下，模型置信度在多個推理步驟中表現(xiàn)出明顯波動，反映出其在不同推理路徑之間反復(fù)搖擺，難以收斂。相比之下，思考不足通常表現(xiàn)為持續(xù)偏高的置信度與較低的波動性，表明模型并非缺乏推理能力，而是因過度自信而過早鎖定于錯誤的推理路徑。

這一發(fā)現(xiàn)具有重要意義。它將高效推理的調(diào)控機制從依賴經(jīng)驗性關(guān)鍵詞抑制，推進至基于模型原生信號的動態(tài)狀態(tài)建模。置信度并非靜態(tài)評分，而是一種可在線觀測、連續(xù)演化且與推理行為緊密耦合的狀態(tài)指標。一旦識別出該連續(xù)信號，便為實現(xiàn)細粒度的動態(tài)推理控制提供了可能。

圖 2：現(xiàn)有過度思考抑制方法在縮短正確樣本推理長度的同時，也壓縮了錯誤樣本的推理過程，表明其在緩解過度思考的同時引入了思考不足的問題。相比之下，ReBalance 能夠更有效地維持推理平衡。

ReBalance：將模型實時引導(dǎo)至推理平衡區(qū)

基于上述洞察，ReBalance 提出了一種無需訓(xùn)練的兩階段推理調(diào)控框架。第一階段為離線數(shù)據(jù)采集：在小規(guī)模已知數(shù)據(jù)集上執(zhí)行單次前向推理，依據(jù)置信度及其波動程度識別具有過度思考或思考不足傾向的推理步驟，并從深層 hidden states 中分別提取兩類原型表示。兩類原型之差構(gòu)成一個引導(dǎo)向量（steering vector），用以刻畫模型在兩種失衡狀態(tài)之間的內(nèi)部遷移方向。

第二階段為在線動態(tài)引導(dǎo)：在實際思考過程中，ReBalance 持續(xù)監(jiān)測當(dāng)前推理步驟的置信度與波動幅度，并通過一個基于模型行為擬合的動態(tài)控制函數(shù)，實時確定引導(dǎo)的方向與強度。當(dāng)模型處于低置信度、高波動狀態(tài)時，方法增強其收斂傾向，抑制冗余反思；當(dāng)模型處于高置信度、低波動狀態(tài)時，則施加反向引導(dǎo)，鼓勵進一步探索，防止過早終止。該方法全程無需重新訓(xùn)練、不依賴輔助模型，亦不引入額外推理階段。

圖 3：ReBalance 框架示意圖

實驗驗證：兼顧效率與性能的精準壓縮

實驗結(jié)果充分驗證了 Balanced Thinking 的有效性與魯棒性。論文在四個參數(shù)規(guī)模從 0.5B 至 32B 的慢思考模型上開展了系統(tǒng)性評估，涵蓋數(shù)學(xué)推理、通用問答和代碼生成任務(wù)等九項基準測試。結(jié)果表明，ReBalance 并非以犧牲性能換取輸出長度的縮減，而是在提升推理效率的同時顯著增強模型表現(xiàn)。

在數(shù)學(xué)推理任務(wù)中，該方法最高實現(xiàn) 10.0 個百分點的 Pass@1 準確率提升，并將生成長度最多壓縮 35.4%。在非數(shù)學(xué)任務(wù)如 GPQA-D、StrategyQA 和 LiveCodeBench 上，ReBalance 同樣展現(xiàn)出穩(wěn)定的跨領(lǐng)域泛化能力，其中 GPQA-D 準確率最高提升 6.6 個百分點，同時 token 消耗最多降低 29.9%。

尤為關(guān)鍵的是，ReBalance 并非對所有輸出進行無差別截斷。論文分析表明，現(xiàn)有方法往往同步縮短正確與錯誤樣本的推理鏈，導(dǎo)致在緩解過度思考的同時誘發(fā)思考不足。相比之下，ReBalance 能夠動態(tài)調(diào)節(jié)推理深度：當(dāng)模型已步入正確推理路徑時，有效削減冗余內(nèi)容；當(dāng)模型仍需深入探索時，則保留必要推理步驟。這種自適應(yīng)機制正是 Balanced Thinking 的核心優(yōu)勢。

此外，作者在 Ascend 910B NPU 平臺的 openPangu slow-thinking 模式中驗證了該方法的部署兼容性。在 AIME 2025 基準上，ReBalance 在準確率提升 3.4 個百分點的同時，輸出長度減少 35.3%，進一步凸顯其在實際應(yīng)用中的潛力。

·表 1：數(shù)學(xué)推理任務(wù)驗證

結(jié)語

ReBalance 的價值不僅在于提出了一種新的高效推理方法，更在于系統(tǒng)引入了Balanced Thinking這一全新視角。高效推理本質(zhì)上并非單純的序列壓縮問題，而應(yīng)是一個動態(tài)控制過程。當(dāng)目標從「縮短推理鏈」轉(zhuǎn)變?yōu)椤妇S持推理過程的平衡」時，置信度自然成為連續(xù)可靠的控制信號，而潛空間引導(dǎo)（Latent Steering）則成為輕量且高效的干預(yù)機制，從而重構(gòu)了整個問題的求解范式。

對于面向?qū)嶋H部署的推理模型，這一視角尤為重要。在延遲敏感、算力受限的應(yīng)用場景中，模型所需并非無限制延長推理時間，而是以更優(yōu)的方式思考，并恰當(dāng)?shù)乜刂仆评黹L度。ReBalance 為此提供了一個簡潔、輕量且具有良好泛化能力的解決方案。目前，該項目已開源，并配套提供了交互式演示及多個模型的引導(dǎo)向量，降低了復(fù)現(xiàn)與應(yīng)用門檻。