快手 Kwaipilot 团队正式开源了其最新研究成果——KwaiCoder-AutoThink-preview 自动思考大模型。该模型针对当前深度思考类大模型中普遍存在的“过度思考”问题，提出了一种全新的训练范式，并引入了一种基于传统强化学习（GRPO）的改进方法 Step-SRPO，以提升模型在复杂任务中的表现。
模型亮点：自动切换“深思”与“直觉”
KwaiCoder-AutoThink-preview 的核心创新在于它融合了“思考”与“非思考”两种能力，能够在不同任务之间智能切换推理方式，类似于人类面对问题时选择“深入分析”或“快速判断”。
官方称其为“DeepSeek-V3 & R1 合体”，这意味着它结合了深度链式推理和直接输出的能力。通过这种自动切换机制，模型不仅提升了处理复杂任务的准确性，还有效避免了在简单任务中不必要的计算开销。
性能提升：代码与数学任务显著增强
在多个评测榜单上，KwaiCoder-AutoThink-preview 表现出色：
- 在部分代码和数学任务中，开启自动思考模式后，模型得分提升高达 20 分左右；
- 即使在未启用思考模式的情况下，由于推理形态的优化，模型性能也有小幅提升。
这表明，无论任务是否需要深度思考，该模型都能保持良好的适应性和稳定性。
技术演进：从 Step-SRPO 到工具集成
为了进一步提升模型的复杂任务处理能力，团队基于 GRPO 强化学习框架，提出了带有过程监督的 Step-SRPO 方法。这一方法通过监督每一步推理过程，引导模型生成更加合理、高效的思考路径。
此外，快手技术团队表示，未来将在 preview 版本的基础上持续优化，重点提升模型的推理能力和工具调用能力。所有技术细节与训练方法也将逐步开源，供社区研究和复现。
开源地址
目前，KwaiCoder-AutoThink-preview 已在 Hugging Face 和 ModelScope 等平台上线，开发者可自由下载和使用。
未来，Kwaipilot 团队将继续探索自动思考模型的边界，推动其在实际工程场景中的落地应用，同时也将持续开放更多技术和模型资源，助力大模型生态的发展。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
