近日，快手Kwaipilot團隊宣布了一項技術突破，他們開源了一款名為KwaiCoder-AutoThink-preview的自動思考大模型。這款模型是團隊針對當前深度思考大模型普遍存在的“過度思考”問題，進行深入研究后取得的成果。
為了解決這一問題，Kwaipilot團隊提出了一種創新的自動思考模型訓練范式，并基于傳統的強化學習算法GRPO，進一步研發了帶有過程監督的強化學習方法Step-SRPO。這一新方法旨在提升模型在復雜任務中的表現，使其能夠更加智能地應對各種挑戰。
KwaiCoder-AutoThink-preview模型的最大特點在于，它融合了“思考”與“非思考”兩種能力，被形象地稱為“DeepSeek-V3 & R1 合體”。這款模型能夠根據問題的難易程度，自動切換思考形態，從而在不同類型的任務中展現出卓越的性能。在多個評測榜單上，這款模型在“思考”和“非思考”模式下均取得了顯著的性能提升，特別是在代碼和數學類任務上，自動思考模式下的模型得分提高了近20分。
值得注意的是，即使在未開啟思考模式的情況下，這款模型也展現出了不俗的性能。這得益于其更優的推理形態，使得模型在部分榜單中的性能有了小幅度的提升。這一發現無疑為深度學習領域帶來了新的啟示，也展示了Kwaipilot團隊在技術研發方面的深厚實力。
據快手技術團隊介紹，他們將繼續基于preview版本模型進行研發，進一步增強其推理能力和支持更完善的思考中工具使用能力。同時，他們也承諾將全部技術細節和訓練方法開源，為深度學習領域的研究者提供更多的參考和借鑒。這一舉措無疑將推動深度學習技術的進一步發展，為人工智能領域的創新注入新的活力。
