清华、牛津、斯坦福论文：关闭 thinking 后 LLM 仍在开口推理

清华大学、牛津大学和斯坦福大学的最新论文发现，即使关闭思考功能，大语言模型仍会大声进行推理，尤其是在开放式问题上。

在禁用思考的情况下，DeepSeek-V4-Flash 在 99.9% 的开放式回答中仍然写出了推理过程。缺少 think 标签或回复简短，并不能证明模型跳过了推理。

是非题容易直接回答，选择题介于两者之间，而开放式问题则不断将模型拉回推理状态。

在开放式任务中强制要求仅输出答案，使 5 个模型的遵从率提高到约 40%，但准确率下降了约 15 个百分点。

– arxiv. org/abs/2610.11765

标题：《思考惯性：大语言模型被要求停止思考时仍在思考》