Espera, ¡No Necesitamos "Esperar"! Eliminar Tokens de Pensamiento Mejora la Eficiencia del Razonamiento

Wait, We Don't Need to "Wait"! Removing Thinking Tokens Improves Reasoning Efficiency

June 10, 2025

Autores: Chenlong Wang, Yuanning Feng, Dongping Chen, Zhaoyang Chu, Ranjay Krishna, Tianyi Zhou

cs.AI

Resumen

Los avances recientes en modelos de razonamiento a gran escala han permitido un razonamiento complejo y paso a paso, pero a menudo introducen una sobrecarga significativa, lo que resulta en salidas verbosas y redundantes que dificultan la eficiencia. En este estudio, examinamos si la autorreflexión explícita, señalada por tokens como "Espera" y "Hmm", es necesaria para un razonamiento avanzado. Proponemos NoWait, un enfoque simple pero efectivo que desactiva la autorreflexión explícita al suprimir estos tokens durante la inferencia. Experimentos exhaustivos en diez puntos de referencia que abarcan tareas de razonamiento textual, visual y de video muestran que NoWait reduce la longitud de la trayectoria de pensamiento en cadena hasta en un 27%-51% en cinco series de modelos de estilo R1, sin comprometer la utilidad del modelo. Por lo tanto, NoWait ofrece una solución plug-and-play para un razonamiento multimodal eficiente y que preserva la utilidad.

English

Recent advances in large reasoning models have enabled complex, step-by-step reasoning but often introduce significant overthinking, resulting in verbose and redundant outputs that hinder efficiency. In this study, we examine whether explicit self-reflection, signaled by tokens such as "Wait" and "Hmm", is necessary for advanced reasoning. We propose NoWait, a simple yet effective approach that disables explicit self-reflection by suppressing these tokens during inference. Extensive experiments on ten benchmarks across textual, visual, and video reasoning tasks show that NoWait reduces chain-of-thought trajectory length by up to 27%-51% in five R1-style model series, without compromising model utility. NoWait thus offers a plug-and-play solution for efficient and utility-preserving multimodal reasoning.