Pense Profundamente com Confiança

Resumo

Modelos de Linguagem de Grande Escala (LLMs) demonstraram grande potencial em tarefas de raciocínio por meio de métodos de escalonamento em tempo de teste, como a auto-consistência com votação majoritária. No entanto, essa abordagem frequentemente resulta em retornos decrescentes em precisão e alto custo computacional. Para enfrentar esses desafios, introduzimos o Deep Think with Confidence (DeepConf), um método simples, porém poderoso, que melhora tanto a eficiência do raciocínio quanto o desempenho em tempo de teste. O DeepConf utiliza sinais internos de confiança do modelo para filtrar dinamicamente traços de raciocínio de baixa qualidade durante ou após a geração. Ele não requer treinamento adicional do modelo ou ajuste de hiperparâmetros e pode ser integrado de forma transparente em frameworks de serviço existentes. Avaliamos o DeepConf em uma variedade de tarefas de raciocínio e nos modelos de código aberto mais recentes, incluindo Qwen 3 e a série GPT-OSS. Notavelmente, em benchmarks desafiadores como o AIME 2025, o DeepConf@512 alcança até 99,9% de precisão e reduz os tokens gerados em até 84,7% em comparação com o pensamento paralelo completo.

English

Large Language Models (LLMs) have shown great potential in reasoning tasks through test-time scaling methods like self-consistency with majority voting. However, this approach often leads to diminishing returns in accuracy and high computational overhead. To address these challenges, we introduce Deep Think with Confidence (DeepConf), a simple yet powerful method that enhances both reasoning efficiency and performance at test time. DeepConf leverages model-internal confidence signals to dynamically filter out low-quality reasoning traces during or after generation. It requires no additional model training or hyperparameter tuning and can be seamlessly integrated into existing serving frameworks. We evaluate DeepConf across a variety of reasoning tasks and the latest open-source models, including Qwen 3 and GPT-OSS series. Notably, on challenging benchmarks such as AIME 2025, DeepConf@512 achieves up to 99.9% accuracy and reduces generated tokens by up to 84.7% compared to full parallel thinking.