本文的第一作者雍希贤是来中国人民大学的博士生，研究方向聚焦于 Humanoid AI，LLM Coginition & Reasoning。通讯作者为中国人民大学的周骁副教授以及 腾讯天衍实验室的吴贤。 当前，大模型的「推理能力」几乎成为行业最热词。o1、R1、QwQ 类强化学习（RL）推理模型，让模型会「 想」、会解析复杂问题，甚至能像人一样写长长的 推理过程（Chain-of-Thought，CoT），在数学、逻辑与常识等领域任务中展现出强大的多步推理能力。 看上去很强，但问题也随之出现： 很多题模型似乎「 一眼就能猜中八成」，但它还是坚持把推理写到几百、几千 token，有时甚至越写越乱、越想越错。 如果你用过这些模型，就会感受到： 来自中国人民大学、腾讯 Jarvis Lab、西湖大学的研究团队，看到了这背后的核心： 当前大模型的「推理机制」其实非常低效，甚至常常在自我制造噪声。 于是研究团队从另一个视角切入 —— 信息论 。 通过「熵（entropy）」与「互信息（mutual information）」等底层信息指标，重新衡量模型思考的价值。 论文标题： Think or Not? Explori ...