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。
「The most effortful forms of slow thinking are those that require you to think fast.」 ——Daniel Kahneman，Thinking，Fast and Slow(2011)
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 α，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 α-moment：α-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。α1（红色）采用由 α 控制的「先慢后快」推理策略，相比之下，α1 的推理效率优于单调延长思考型方法 s1（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 α-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 α-moment——一个统一的调控节点，即推理阶段达到平均思考长度 α 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（α1）整体流程示意图。在 α-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；α-moment 之后，wait 会被替换为 </think>，以促进快思考。α 的数值决定这一转换的时机，例如将 α 从 1.4 降至 1.0，会提前结束慢思考，并加快 pwait 的衰减速度。
α-moment 前：慢思考调控机制
在 α-moment 之前，α1 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 pwait 由用户设定的调度函数 S(t) 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
α-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 α-moment 之后显式终止慢思考： 一旦生成节点超过 α-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，α1 都比原始模型和现有推理调控方法（如 s1 和 CoD）更准确。
- 以 1.5B 模型为例，α1 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，α1 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：α1 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？
对比四种调度策略（常数调度、线性递增、线性衰减、指数衰减）后发现，线性衰减在多个任务上均取得最优表现，验证了 α1 所采用的「先慢思、后加速」式推理调控方式在实践中更加有效和稳定。
图 4： 不同调度策略在 AMC23 和 OlympiadBench 上的推理准确率
- α-moment 能否灵活调控「思考预算」？
实验结果表明，调节 α 值可以有效扩展或压缩模型的「思考阶段」长度。随着 α 增大，模型插入的 wait 标记数量相应增加，平均思考 token 数也随之增长，体现出 α-moment 对思考预算具有良好的可伸缩性（scalability）。
尽管如此，推理准确率并非随 α 增大而持续提升，存在一个性能最优的 α 区间，而 α1 在较宽的 α 调控范围内始终优于原模型，体现出良好的鲁棒性和泛化能力。
图 5：α 的缩放特性分析
- α1 推理效率真的更高吗？
使用 REP（Reasoning Efficiency–Performance）指标系统评估后发现，α1 在多个任务中更高效率下的更优推理准确率，优于 s1 和 CoD 等基线方法。
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？
通过调整
，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，α1 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
- α-moment 后的快思考引导机制是否必要？
如果在 α-moment 后没有明确「结束慢思考」，模型容易陷入推理惯性，导致性能明显下降。实验证明，仅依赖前段慢思考调控是远远不够的。
α1 通过 α-moment 之后的显式终止操作，成功促使模型切换至快思考，验证了从快到慢的双阶段调控策略对于提升推理效果的必要性。
表 2： 是否启用后 α-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 α1 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 α1 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？
α1 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 α1 框架扩展至多模态场景，探索语言与感知信息的协同推理。
