MixReasoning: Cambiare Modalità per Pensare

MixReasoning: Switching Modes to Think

October 7, 2025

Autori: Haiquan Lu, Gongfan Fang, Xinyin Ma, Qi Li, Xinchao Wang

cs.AI

Abstract

I modelli di ragionamento migliorano le prestazioni affrontando i problemi in modo graduale, scomponendoli in sotto-problemi ed esplorando lunghe catene di pensiero prima di produrre una risposta. Tuttavia, applicare un ragionamento esteso a ogni passaggio introduce una sostanziale ridondanza, poiché i sotto-problemi variano ampiamente in termini di difficoltà e complessità: un numero ridotto di passaggi cruciali è effettivamente impegnativo e decisivo per la risposta finale, mentre molti altri implicano solo revisioni semplici o calcoli elementari. Pertanto, un'idea naturale è dotare i modelli di ragionamento della capacità di rispondere in modo adattivo a questa variazione, piuttosto che trattare tutti i passaggi con lo stesso livello di elaborazione. A tal fine, proponiamo MixReasoning, un framework che regola dinamicamente la profondità del ragionamento all'interno di una singola risposta. La catena di pensiero risultante diventa così una miscela di ragionamenti dettagliati sui passaggi difficili e inferenze concise su quelli più semplici. Gli esperimenti su GSM8K, MATH-500 e AIME dimostrano che MixReasoning riduce la lunghezza del ragionamento e migliora sostanzialmente l'efficienza senza compromettere l'accuratezza.

English

Reasoning models enhance performance by tackling problems in a step-by-step manner, decomposing them into sub-problems and exploring long chains of thought before producing an answer. However, applying extended reasoning to every step introduces substantial redundancy, as sub-problems vary widely in difficulty and complexity: a small number of pivotal steps are genuinely challenging and decisive for the final answer, while many others only involve straightforward revisions or simple computations. Therefore, a natural idea is to endow reasoning models with the ability to adaptively respond to this variation, rather than treating all steps with the same level of elaboration. To this end, we propose MixReasoning, a framework that dynamically adjusts the depth of reasoning within a single response. The resulting chain of thought then becomes a mixture of detailed reasoning on difficult steps and concise inference on simpler ones. Experiments on GSM8K, MATH-500, and AIME show that MixReasoning shortens reasoning length and substantially improves efficiency without compromising accuracy.