研究：MoE 路由器可无训练控制推理行为，减少过度思考 30%
原文标题：Routes of Reasoning: Reading and Reshaping Test-Time Compute in MoE Models
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文将推理轨迹切分为句级片段并标注六种推理行为，发现 MoE 路由器 logits 上的线性探针能以约一半特征量预测这些行为，且跨六个数据集泛化。据此在推理时选择性编辑专家路由分数，可在四个模型与四个基准上将生成 token 数中位减少 30.4%（最高 63.3%），准确率下降不超过 0.5 个百分点。
- 问题
- 推理模型常过度思考，反复验证已得答案，浪费算力甚至降低表现。
- 方法
- 在 MoE 路由器 logits 上训练线性探针识别六种推理行为，推理时选择性编辑专家路由分数，无需训练。
- 结果
- 四个模型、四个基准上生成 token 中位数减少 30.4%（最高 63.3%），准确率下降不超过 0.5 个百分点。
- 影响
- 为 MoE 推理模型提供零训练的行为级控制手段，可直接降低推理成本，工程落地门槛低。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MoE路由器logits加线性探针即可免训练控制推理行为，生成token中位减30.4%、准确率降幅≤0.5个百分点
- •将推理轨迹切为句级片段并标注六种行为：规划、执行、复述、事实、反思、结论
- •路由器logits上的线性探针预测行为接近残差流探针，特征量约减半，跨六个数据集五个领域泛化
- •推理时选择性编辑专家路由分数，四个模型四个基准上token中位减30.4%，最高减63.3%
- •准确率下降不超过0.5个百分点，针对的是找到正确答案后仍反复验证的过度思考
为什么重要：给推理模型降本提供了一条不改权重、不重训练的推理时干预路径，对部署推理模型的成本控制方直接相关。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。