NeurIPS 论文提出「思考惯性」：被明令禁止思考 LLM 仍会推理
_akhaliq · x · 2026-10-15
斯坦福团队(作者含 Philip Torr、James Zou 等)的 NeurIPS 2026 论文《Thinking Inertia: LLMs Keep Thinking When Told Not To》研究被忽视的一面：LLM 的「不思考」能力。
核心发现:
- 现有对「无思考」的定义(关闭思考模式、无长思维链)不可靠：即使关闭思考模式，模型仍可能输出推理内容
- 论文将回答规范化为「答案前轨迹 + 最终答案」，提出三层度量：Empty-Thinking Rate(严格只答合规率)、指令感知的 Question-Pre-answer Relevance、LLM-as-judge 显式推理率
- 在 6 个 LLM、布尔/多选/开放题上测试 6 种提示干预，发现显式禁思控制无法可靠消除可见推理——「思考惯性」存在，且答案空间越开放越明显
- 布尔与多选题上准确率保持稳定；开放题上出现「只答合规 vs 任务准确率」的权衡；给出候选答案会让只答式输出更容易
结论：「不思考」是非平凡能力，不能指望模型设置或指令自动实现，应与推理能力一起纳入系统评测。HN/HF 评论中也有人质疑：模型从未被训练识别「不要用推理 token」，出现惯性并不意外。
所属事件:NeurIPS 新研究提出「思考惯性」现象(2 条相关)→
「模型」频道最新
- OpenAI 额度机制遭吐槽：剩 13% 用量时拒绝手动重置 — AccomplishedSugar490 · 2026-10-23
- 816B Meta 新模型 39 分反输 180B Qwen：开源模型得分/规模图 — BTA_Labs · 2026-10-23
- 文档太大就不干活？Gemini 在 Google Docs 里拒生图 — viksit · 2026-10-23
- 程序员吐槽：人生真正使命是安利大家试试最新 DeepSeek — intellectronica · 2026-10-23
- SubQ Snap 1.1 登顶决策模型指数，384K 上下文与低幻觉率取胜 — ArtificialAnlys · 2026-10-23
- PolyAI 推 Dialog-RSN-1 语音模型：单 pass 直听音频，响应快于 300ms — matthen2 · 2026-10-23