Minghao Luo

推理模型常在得出答案后反复检查，把思维链拖得很长。DoubtLess 让同词表的小模型分别以“直奔答案”和“逐步复核”两种指令读同一段思维链，把两者对数概率之差按强度加到 32B 大模型的输出上，只在解码时生效、不改权重。在七个竞赛数学、研究生科学与编程基准上，Qwen3-32B 由 Qwen3-0.6B 引导时思维 token 减少 31%，准确率不变，缩减幅度高于五种推理时基线。

推理模型常在得出答案后反复检查，把思维链拖得很长。DoubtLess 让同词表的小模型分别以“直奔答案”和“逐步复核”两种指令读同一段思维链，把两者对数概率之差按强度加到 32B 大模型的输出上，只在解码时生效、不改权重。在七个竞赛数学、研究生科学与编程基准上，Qwen3-32B 由 Qwen3-0.6B 引导时思维 token 减少 31%，准确率不变，缩减幅度高于五种推理时基线。