云南龙网

  1. 首页 > 生活百科 > >

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

ai数学deepseek

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片

DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本

文章图片



本研究由中科院自动化所和腾讯混元联合研发 ， 团队成员包括 Qi Yang Bolin Ni Shiming Xiang Han Hu Houwen Peng Jie Jiang
背景：多模态大模型的思考困境
当前 ， 业界顶尖的大模型正竞相挑战“过度思考”的难题 ， 即无论问题简单与否 ， 它们都采用 “always-on thinking” 的详细推理模式 。 无论是像 DeepSeek-V3.1 这种依赖混合推理架构提供需用户“手动”介入的快慢思考切换 ， 还是如 GPT-5 那样通过依赖庞大而高成本的“专家路由”机制提供的自适应思考切换 。 它们距离真正意义上的“智能思考”仍有距离 。 这些方案或将判断压力转移给用户 ， 或受限于复杂的系统架构和高昂的部署成本 。 因此 ， 研发一款轻量化、支持多模态且能实现更智能自适应思考的大模型 ， 将为用户提供更加流畅的交互体验 。

近期 ， 由腾讯混元团队与中科院自动化所合作的一项最新研究推出 R-4B 多模态大模型 ， 通过自适应思考（auto-thinking）机制 ， 改变了这一现状 ， 它让 AI 能像人类一样 “智能切换” 思维模式 。 简单问题直接响应 ， 复杂问题深度推理 ， 在最大化回答准确性的同时 ， 最小化计算开销 。

论文标题：R-4B: INCENTIVIZING GENERAL-PURPOSE AUTOTHINKING CAPABILITY IN MLLMS VIA BI-MODE ANNEALING AND REINFORCE LEARNING 论文链接：https://arxiv.org/pdf/2508.21113这一 “按需思考” 的核心能力 ， 为 4B 量级的多模态模型树立了全新的性能标杆 ， 使其在评测性能指标上成功超越了 Keye-VL-8B、Kimi-VL-A3B-Thinking-2506 等更大规模的模型 。
【DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本】
同时 ， R-4B 在权威基准 OpenCompass 榜单上取得了优异成绩 。
登顶 OpenCompass 多模态学术榜单：在 20B 以内规模多模态大模型中 ， 性能排名 Top 1！
位列 OpenCompass 多模态推理榜单开源榜首：在开源模型中 ， 推理性能拔得头筹！
目前 ， 该模型已在 GitHub 和 HuggingFace 上线 ， 且支持 vLLM 快速部署 。 「消费级显卡即可运行 ， 适用于笔记本电脑、智能座舱、智能家居等低功耗场景 ， 支持垂直领域低成本微调 。 」截至目前下载量已破万 ， 欢迎大家体验！
GitHub 代码仓库：https://github.com/yannqi/R-4B Hugging Face 模型下载：https://huggingface.co/YannQi/R-4B突破：R-4B 的自适应思考引擎
R-4B 的智慧之处在于其自适应思考能力：

遇到简单问题（简单实体识别、简易问答） ， 它选择直接、高效地响应 。 面对复杂任务（如数学计算、图表分析） ， 它则自动切换到深度思考模式 ， 生成详细的思考过程 。R-4B 的核心创新在于其独特的两阶段训练策略 。 为实现模型在通用领域的自适应思考 ， 研究团队首先提出双模退火（bi-mode annealing）训练策略 ， 促使模型同时掌握通用领域的思考与非思考能力 。
该阶段可以理解为对模型进行 “思考” 启蒙 ， 即同时喂给它两种范式数据：一种需要直接回答（非思考模式 ， 像日常对话） ， 另一种需要详细推理（思考模式 ， 像解数学题） 。 通过这种训练 ， 模型同时掌握了思考和非思考这两种响应模式 ， 为后续的自适应思考模式训练打下坚实基础 。 该阶段的核心是通用领域推理和非推理模式的数据构建策略：针对客观题 ， 用模型采样的答案一致性来衡量题目的难易程度；针对主观题目 ， 用提示工程的方式去区分解决问题是否需要进一步思考 。

推理模式数据：涵盖图表分析、逻辑推理等需多步推理的任务（如科学图解或数学问题） 。 非推理模式数据：针对直接事实响应的查询（如实体识别或简单问答） 。
经过退火训练 ， 得到一个同时精通思考与非思考模式的基础模型 R-4B-Base， 为后续自适应思考强化训练奠定基础 。 基于此 ， 团队开发了双模策略优化（Bi-mode Policy Optimization BPO）强化学习算法 。 它无需依赖精心设计的奖励函数或特定数据 ， 而是仅依赖基于规则的奖励信号 ， 从数学数据出发 ， 并可泛化到通用领域 。 其核心是混合双模 rollout 机制 ， 通过强制模型在训练中同时探索思考模式和非思考模式轨迹 ， 从而避免模型陷入对单一模式的响应偏好 。 在此基础上 ， 通过同时奖励两种思考模式的策略 ， 使模型自己学会判别何时应该思考 。

性能表现：小模型 ， 大能量
R-4B-RL 模型在多项公开基准测试中性能表现卓越 ， 刷新了现有记录 ， 其性能超过 Keye-VL-8B、Kimi-VL-A3B-Thinking-2506 等更大规模的模型 。

更关键的是 ， R-4B-RL 在自适应思考模式下实现了推理效率的提升 ， 在简单任务下模型无需消耗更多的 Token 。 这证明了 BPO 算法的有效性 ， 即无需通用领域的强化学习数据或额外的奖励函数设计 ， 模型也能实现自适应思考 。

应用前景：从科研到产业的智能化浪潮
R-4B 的突破不止于技术 ， 更开启了广阔应用场景：
应用智能 ：在日常问答分析中 ， 自动切换简单查询（如文档内容提?。 ┖透丛油评恚ㄈ缤急矸治觯┑乃嘉Ｊ?， 提升自动化处理效率 。 科学研究 ：在处理科学图表时 ， R-4B 的深度推理模式可解析多步关系 ， 精准解读数据 ， 提高研究效率 。 消费级 AI ：边缘设备部署中 ， R-4B 凭借更少的参数和自适应思考模式降低延迟和能耗 ， 适用于即时问答系统 。(1) 文档内容提?。 虻ゲ檠?

(2) 图表分析（复杂推理）

结语：自适应思考 ， 探索 AI 发展新道路
从双模退火训练到 BPO 优化 ， R-4B 不仅解决了 MLLMs 的思考困境 ， 更在小尺寸模型上探索了自适应思考的可行性。 自适应思考不仅是技术优化 ， 更是对效率与普惠平衡的追求 。 在 AI 计算与推理成本飙升的今天 ， R-4B 的轻量化、智能化设计 ， 为大模型可持续发展注入绿色动力 。
R-4B 模型已全面开源 ， 支持 vLLM 高效推理 。 下载量火速破万 ， 诚邀体验与共建！

    推荐阅读


    上一篇：百度地图app再出现强制广告，关闭按钮太能藏了

    下一篇：快手的AI叙事，开始切到「群像戏」