我始终认为，做管理，比勤奋更重要的，是深度思考的能力。 但我也发现，很多人在思考问题的时候，思考得过头了，在一些芝麻绿豆的小事上"想太多"，变成了过 度思考。 先问你几个问题： 一次工作失误，心里一直放不下，反复回忆和 "复盘"，这是深度思考吗？ 做一个常规的市场推广方案，却假设了各种极端场景，导致进度一再延迟，这是深度思考吗？ 牵头一个项目，想了一个星期，还停留在决策和计划上，这是深度思考吗？ …… 都不是。这是过度思考，是一种"伪深度思考"。 过度思考，很容易偏离正轨，越想越远而找不到重点，更遑论做好事情。 那么，深度思考和过度思考的区别是什么呢？如何避免过度思考？ 今天，我们聊聊这个话题。 要深度思考，不要过度思考 先来说说，什么是深度思考？ 他说：是因为赚不到钱。 我问：老销售为什么赚不到钱？ 他说：是因为提成制度不合理，他的业绩好，但赚不到钱，就走了。 我又问：新销售为什么赚不到钱？ 所谓的深度思考，就是在我们想一个问题没有答案的时候，不断拆解这个问题，像剥洋葱一样，深入本 质，找到答案背后的动因、问题之下的问题。 我举一个引导管理者深度思考的复盘案例。 管理者告诉我有销售辞职了。 我问：是哪些销售 ...

ZJU REAL Lab 投稿 量子位 | 公众号 QbitAI DeepSeek-R1、OpenAI o1等推理模型大放异彩。但随着能力增强，一个副作用越来越明显—— 这不光影响效率，更可能导致错误 —— 在长链式思考中，每一步的小误差都会累积放大 ，最后可能想着想着就跑偏了。 于是，一个关键问题摆在了现实面前： 如何让模型既然会思考推理，也懂得"适可而止"，知道什么时候该停下来？ 针对于此，来自浙江大学、天津大学和MSRA的研究团队提出了一个新方法， Self-Braking Tuning （SBT） 。 它是一种轻量级、通用的调优机制，可无缝集成到现有大模型中。其主要目的是让模型不再一味求"多想"，而是在最短路径上到达正确答案。 其核心设计包括刹车信号机制、多任务微调，且无需外部模块或改动推理流程。 其中，刹车信号机制是在训练阶段引入一类特殊的信号，指示"当前信息已经足够完成任务"，模型据此学习何时应终止推理。 多任务微调则指挥模型同时学习如何解题&何时停步，兼顾准确性与效率。 它们开始想太多了 。 从奥数题到程序逻辑，能解的题越来越多、推理链条越来越长。 也就是说，模型在完成推理任务时， 常常出现过度 ...