让LLM不再话痨，快手HiPO框架来了

如今， 快手 KwaiKAT 团队与南京大学刘佳恒老师 NJU-LINK 实验室 、张煜群教授实验室 ARiSE 合作重磅推出 HiPO（Hybrid Policy Optimization）框架，为 LLM 装上了智能的「思考开关」。 该框架通过创新的混合数据冷启动与混合强化学习奖励系统，使模型能够自主、动态地决策何时该启动详细推理（Think- on），何时该直接给出答案（Think-off）。 当用户向大语言模型提出一个简单问题，比如「单词 HiPPO 里有几个字母 P？」，它却正襟危坐，开始生成一段冗长的推理链：「首先，让我们分析 HiPPO 这个 词，河马的英文单词为 hippo，河马是一种半水生哺乳动物，这里用户用了大写字母，可能有特殊的含义，对于单词 HiPPO，我们可以将其拆分为 H-i-P-P-O，字 母 P 出现在第 3 与第 4 个位置，因此有 2 个字母 P... 让我们简化问题，HiPO 可以拆分为...」 面对这样的「严谨」，用户难免哭笑不得，既浪费了计算资源，也增加了等待时间，甚至更坏的情况是模型被自己冗长的推理链「绕晕了过去」，最终给出了错 误的答案，用户只得捶胸顿足地大喊：「 ...