ThinkPilot：通过自动思考前缀优化引导推理模型

arXiv:2510.12063v1 公告类型：新 摘要：大型推理模型（LRM）很强大，但它们仍然存在低效和脱靶推理的问题。目前，免培训方法仅限于严格的启发式或描述性的、不可操作的分析。在本文中，我们介绍了 ThinkPilot，这是一个无需训练的框架，可以自动优化 LRM 推理。它使用进化过程来生成思考前缀，这些前缀是由推理行为分类驱动进化的指令，以指导模型获得卓越的性能。大量实验证明了 ThinkPilot 的广泛有效性：它显着改善了高效推理的准确性与长度权衡，大幅提高了安全性（例如，将 DeepSeek-R1-Distill-Qwen-32B 的 StrongREJECT 分数从 27.0% 削减到 0.7），并增强了指令遵循能力。它还与现有的基于培训的方法协同作用。我们的分析表明，思考前缀可以可靠地控制 LRM 的推理行为，并且不同的任务对特定的行为分布有强烈的偏好。通过自动识别和引发这些行为，ThinkPilot 提供了一个通用框架，使 LRM 推理与任务需求保持一致。数据和代码可在 https://github.com/teqkilla/ThinkPilot 获取