NeurIPS'26｜大模型有思考惯性：答案越开放，越停不下思考

新智元 2026-10-25 12:17 北京 通过接口关掉大模型的「思考模式」（如将Qwen3的enable_thinking设为False），再告诉它「不要推理，直接给出答案」，它就会直接回答吗？

实际输出并不符合我们日常直觉。

清华大学、牛津大学和斯坦福大学的研究者系统测试了这个问题。

他们发现，即使关闭思考模式，模型仍可能在最终答案前写出计算或推导；

题目越开放，这种现象越明显。

研究者把这种现象称为Thinking Inertia（思考惯性）。

论文链接：https://arxiv.

org/abs/2610.

11765 项目主页：https://thinking-inertia.

github.

io/ 代码链接：https://github.

com/thinking-inertia/code 轨迹数据：https://huggingface.

co/datasets/thinking-inertia/llm-nothinking-trajectories 图1 即使明确要求只输出选项，模型仍可能写出解题过程。

先把「回答」拆开 答案前面写了什么？

判断模型是否在推理，不能只看思考开关或回答长度。

一个关闭了思考开关的模型，仍然可能在普通回答区写出计算过程；

一段很长的文字，也可能只是重复题目、套用格式，未必包含真正的推理。

于是，研究者把回答拆成前置文字与最终答案，再分三层检查。

ETR看模型有没有真的只给答案：答案格式必须合法，前后都不能有实质性文字。

QRel.

衡量前置文字与问题的相关性，复述题目也可能得分较高。

EIR则进一步判断其中有没有计算、比较、排除等显式推理步骤。

负责评判的模型看不到被测模型的身份和实验设置。

在600条抽样输出上，五名标注者与自动评判的「是否包含显式推理」二分类平均一致率为98.

8%。

图2 三层指标分别检查是否只给答案、文字是否相关、是否包含显式推理。

六个模型、三大类型、六个基准 实验覆盖Qwen3、DeepSeek、GPT和Gemini四个家族的六个模型，在六个基准上测试不同思考设置和作答指令对输出的影响。

问题分为判断题、选择题和需要自行生成答案的开放式数学题。

总体而言，只需回答是或否时，模型更容易直接作答；

选择题的显式推理比例居中；

到了开放题，答案前的可见推理明显增多。

更严格的「只给答案」指令会降低显式推理比例，但三类任务之间的总体排序依然存在：开放题 > 选择题 > 是非题。

一个直观例子来自DeepSeek-V4-Flash：关闭思考模式后，它在GSM8K和MATH两项基准上的总体显式推理率仍达99.

9%。

这意味着，关闭思考开关，并不能保证模型在最终答案前省略推理过程。

即使最终答案正确，模型仍可能没有遵循「只给答案、不输出推理」的要求；

答对题与按要求直接作答，是两个需要分别评价的维度。

同一道题，只改答案形式，结果也会变 差异是否来自题目本身？

研究者从MMLU和MMLU-Pro中选取一批数值答案题，保留题干，改变候选答案和作答要求，并在Qwen3-32B关闭思考模式的设置下比较。

原始选择题的准确率为77.

8%，只给答案的比例为10.

5%；

改成判断题，让模型核对一个给定答案后，准确率仍为78.

9%，只给答案的比例却升到62.

5%。

去掉候选项，让模型自行生成结果时，准确率降到52.

6%，只给答案的比例变为0，显式推理比例达到90.

1%。

有候选答案时，模型可以核对或选择；

没有候选答案时，它需要自己构造结果，也更容易在答案前写出推理过程。

图3 同一批题目改成不同回答形式后，准确率和输出行为随之变化。

约束越强，开放题的代价越明显 要求模型少写过程，还会牵动最终准确率。

对五个支持关闭思考模式的模型，在开放式数学题上进一步加入严格的只给答案指令后，平均只给答案比例从接近0提高到约40%，平均准确率下降约15个百分点。

判断题和选择题的准确率变化则相对平稳。

因此，能否按要求不输出推理、直接作答，也应成为一项受到重视、被独立评估的模型能力。

这种能力不会随着思考开关的关闭自动获得，评测时需要同时考察输出合规性与答案正确率。

这项工作也引起了社区的后续验证。

George Shostakovych 受论文启发，对Gemini-4-Argon、GPT-6-Astra、Kimi-K3、DeepSeek-V4-Flash和Muse-Wonder-1.

0进行了小规模独立测试，在其中观察到关闭思考后仍可能输出显式推理的现象，并在博客中报告了结果[2]。

研究团队 第一作者Dianqiao Lei 是清华大学大四本科生，Kevin Qinghong Lin 与 Philip Torr、James Zou 共同担任通讯作者。

Kevin Qinghong Lin 是牛津大学博士后学者；

Pan Lu 是斯坦福大学博士后学者；

Philip Torr 是牛津大学工程科学系教授；

James Zou 在斯坦福大学计算机科学系和电气工程系任副教授。

论文已被 NeurIPS 2026 接收，论文、代码和数据已公开。

参考资料： [1] Thinking Inertia: LLMs Keep Thinking When Told Not To https://arxiv.

org/abs/2610.

11765 [2] George Shostakovych.

'Answer only' is a request, not a switch.

2026年10月15日。

https://gshost.

dev/writing/answer-only-is-a-request/ 编辑：LRST 秒追ASI