PATS: Адаптивное переключение режимов мышления на уровне процессов

PATS: Process-Level Adaptive Thinking Mode Switching

May 25, 2025

Авторы: Yi Wang, Junxiao Liu, Shimao Zhang, Jiajun Chen, Shujian Huang

cs.AI

Аннотация

Современные крупные языковые модели (LLM) обычно используют фиксированную стратегию рассуждений, будь то простая или сложная, для всех вопросов, независимо от их сложности. Это игнорирование вариативности задач и сложности процесса рассуждений приводит к дисбалансу между производительностью и эффективностью. Существующие методы пытаются реализовать переключение между системами быстрого и медленного мышления без дополнительного обучения для решения задач различной сложности, но ограничиваются грубыми настройками стратегий на уровне решений. Чтобы решить эту проблему, мы предлагаем новую парадигму рассуждений: Переключение режимов мышления с адаптацией на уровне процесса (PATS), которая позволяет LLM динамически корректировать стратегию рассуждений в зависимости от сложности каждого шага, оптимизируя баланс между точностью и вычислительной эффективностью. Наш подход интегрирует Модели вознаграждения на уровне процесса (PRM) с Поиском по лучу, включая прогрессивное переключение режимов и механизмы штрафов за ошибочные шаги. Эксперименты на различных математических тестах демонстрируют, что наш метод достигает высокой точности при умеренном использовании токенов. Это исследование подчеркивает важность адаптации стратегий рассуждений на уровне процесса с учетом сложности, предлагая ценные инсайты для эффективного вывода в LLM.

English

Current large-language models (LLMs) typically adopt a fixed reasoning strategy, either simple or complex, for all questions, regardless of their difficulty. This neglect of variation in task and reasoning process complexity leads to an imbalance between performance and efficiency. Existing methods attempt to implement training-free fast-slow thinking system switching to handle problems of varying difficulty, but are limited by coarse-grained solution-level strategy adjustments. To address this issue, we propose a novel reasoning paradigm: Process-Level Adaptive Thinking Mode Switching (PATS), which enables LLMs to dynamically adjust their reasoning strategy based on the difficulty of each step, optimizing the balance between accuracy and computational efficiency. Our approach integrates Process Reward Models (PRMs) with Beam Search, incorporating progressive mode switching and bad-step penalty mechanisms. Experiments on diverse mathematical benchmarks demonstrate that our methodology achieves high accuracy while maintaining moderate token usage. This study emphasizes the significance of process-level, difficulty-aware reasoning strategy adaptation, offering valuable insights into efficient inference for LLMs.