DeepSeek精度效率双提升，华为&信工所提出思维链“提前退出”机制

DEER团队 投稿 量子位 | 公众号 QbitAI 长思维链让大模型具备了推理能力，但如果过度思考，就有可能成为负担。 华为联合中科院信工所提出了一种新的模式，让大模型 提前终止思考 来避免这一问题。 利用这种方法， 无需额外训练，就可以让大模型的精度和效率同时提升 。 这种方式名为 DEER ，也就是 动态提前退出推理 （Dynamic Early Exit in Reasoning） 的简称。 其核心在于找到推理信息质量下降之前的临界点，并在临界点及时让大模型中断推理。 结果在多个推理基准中，DEER在DeepSeek系列推理LLM上始终有效，将思维链生成长度平均减少31%到43%，同时将准确率提高1.7%到 5.7%。 截至目前，DEER已在QwQ、Qwen3、Nemotron等更多推理模型和11个评测集上被验证持续有效。 停止推理的临界点，需要动态规划 直观上，随着思维链中的推理路径数量的增加，生成结论时可参考的信息也会更多。 如果能够识别出推理信息变得刚好足够的临界点 （称为珍珠推理，Pearl Reasoning） ，并迫使模型在此点停止进一步思考并直接输出结 论，就可以同时实现准确率和效率。 ...