近期，小红书技术团队在人工智能领域取得了新突破。据悉，该团队通过引入Test-Time Scaling技术，显著增强了其深度思考模型的推理能力。然而，这一进步也伴随着一个显著问题：模型在思考过程中产生了大量冗余和无效的思考。
为了克服这一挑战，小红书Hi Lab团队创新性地提出了“Think When You Need”的强化学习训练策略。这一策略能够在不影响模型最终效果的前提下，实现动态的链式思考（Chain of Thought）能力，从而大幅缩短了模型的平均思考长度。实验证明，这一方法不仅在推理任务中表现出色，在非推理任务中也同样具有广泛的应用潜力。
Hi Lab团队还发现了一个令人惊讶的现象：在相同任务下，参数量更大、更为智能的模型所需的思考长度反而更短。这一发现与当前深度思考模型的一般表现形成了鲜明对比，但却与人类认知过程高度一致。这一发现不仅为人工智能领域带来了新的思考，也为未来的模型优化提供了新的方向。
