MixReasoning: Переключение режимов мышления

MixReasoning: Switching Modes to Think

October 7, 2025

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

cs.AI

Аннотация

Модели рассуждений повышают производительность, решая задачи пошагово, разбивая их на подзадачи и исследуя длинные цепочки мыслей перед выдачей ответа. Однако применение расширенного рассуждения к каждому шагу вносит значительную избыточность, поскольку подзадачи сильно различаются по сложности: небольшое количество ключевых шагов действительно являются сложными и решающими для конечного ответа, в то время как многие другие требуют лишь простых пересмотров или элементарных вычислений. Поэтому естественной идеей является наделение моделей рассуждений способностью адаптивно реагировать на это разнообразие, а не одинаково детализировать все шаги. В связи с этим мы предлагаем MixReasoning — фреймворк, который динамически регулирует глубину рассуждений в рамках одного ответа. В результате цепочка мыслей становится смесью детализированных рассуждений на сложных шагах и кратких выводов на более простых. Эксперименты на наборах данных GSM8K, MATH-500 и AIME показывают, что MixReasoning сокращает длину рассуждений и существенно повышает эффективность без ущерба для точности.

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.