清华牛津斯坦福研究揭示“思维惯性”：禁用思考标签后 LLM 仍隐性推理，强制直答致准确率骤降 15%

1 篇报道存证0 家独立信源交叉印证持续跟踪至 2026/10/10 12:10:00

全景综述与最新动态

最新联合研究发现，即使关闭显式思考功能（如移除 think 标签），大语言模型在处理开放式问题时仍表现出强烈的“思维惯性”，DeepSeek-V4-Flash 在 99.9% 的回答中保留了内部推理痕迹。实验表明，强制模型仅输出最终答案虽能将合规率提升至约 40%，但会导致任务准确率下降约 15 个百分点，证实了显式推理链对复杂任务性能的关键支撑作用。

最新动向/最新联合研究发现，即使关闭显式思考功能（如移除 think 标签），大语言模型在处理开放式问题时仍表现出强烈的“思维惯性”，DeepSeek-V4-Flash 在 99.9% 的回答中保留了内部推理痕迹。实验表明，强制模型仅输出最终答案虽能将合规率提升至约 40%，但会导致任务准确率下降约 15 个百分点，证实了显式推理链对复杂任务性能的关键支撑作用。

热度曲线逐小时热度走势

54 个完整观测小时

当前

0.0

峰值

12.713:00

近 24h 变化

-100%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先

Rohan Paul (@rohanpaul_ai)T2·10月10日 12:1078 分
清华牛津斯坦福研究揭示“思维惯性”：禁用思考标签后 LLM 仍隐性推理，强制直答致准确率骤降 15%
原标题：New Tsinghua, Oxford, and Stanford paper finds that LLMs keep reasoning out loud even with thinking ...
- LLM 存在“思维惯性”：即使禁用显式思考模式，模型在处理开放式问题时仍倾向于生成内部推理过程。
- 数据实证：DeepSeek-V4-Flash 在关闭思考功能后，99.9% 的开放式回答仍包含推理痕迹。
- 性能权衡：强制模型跳过推理直接作答，虽然提高了格式合规性，但导致准确率显著下降约 15%。
查看存证研判原始网页