小红书技术团队突破深度思考模型优化，提出’Think When You Need’新范式

小红书技术团队近日在深度思考模型优化领域取得突破性进展。6月19日，该团队通过官方技术博客发布研究成果，提出名为”Think When You Need”的强化学习训练新范式，成功解决了当前深度思考模型中存在的冗余计算问题。

研究显示，传统深度思考模型采用Test-Time Scaling技术虽然提升了推理能力，但伴随产生了大量无效思考。Hi Lab团队创新性地引入动态CoT（Chain-of-Thought）机制，通过强化学习实现思考时长的智能调控。实验数据表明，该方法在保持模型性能的前提下，可将平均思考长度显著缩短，且该优化效果在推理与非推理任务中均具有普适性。

值得注意的是，团队在研究中发现一个反直觉现象：参数量更大的”更聪明”模型，在相同任务中所需的思考长度反而更短。这一发现与当前主流深度思考模型的表现规律相悖，却与人类认知特征高度吻合。该现象为未来模型架构设计提供了新的研究方向。

此次技术突破建立在团队前期研究成果基础上。今年2月，小红书已申请相关专利（公开号CN120068988A），其核心技术在于优化强化学习过程中的资源调度机制，通过分时复用推理阶段的机器资源，显著降低训练门槛。此前3月公布的PPO算法优化成果也为本次研究奠定了基础，当时团队通过流线型流水线机制将训练耗时缩短近70%。

据悉，该技术有望应用于小红书多模态大模型系统，其RL-COT（基于因果推理的强化学习）理念的实践，标志着AI模型向更高效、更类人认知方向迈出重要一步。团队表示，将继续深化在深度流水线调度和算法优化方面的探索，推动强化学习技术在工业场景的落地应用。