DynamicMind：面向大语言模型的三模式思考系统
计算与语言
2025-06-09 v1 人工智能
摘要
现代大型语言模型（LLM）常常难以针对不同任务复杂度动态调整推理深度，导致性能次优或资源利用效率低下。为此，我们提出DynamicMind，一种新型三模式思考系统。DynamicMind 通过认知启发的提示工程，使 LLM 能够在零样本问答（ZSQA）任务中自主选择快模式、普通模式或慢模式三种思考模式。本框架的核心创新包括：（1）将已建立的双进程框架（快慢思考）扩展为三模式思考系统，加入普通思考模式以保留 LLM 的内在能力；（2）提出思考密度（Thinking Density）指标，将计算资源分配与问题复杂度对齐；（33）开发思考模式容量（Thinking Mode Capacity，TMC）数据集及轻量级心智路由器（Mind Router），预测最优思考模式。广泛的实验在多样化的数学、常识和科学问答基准中表明，DynamicMind 在实现卓越 ZSQA 能力的同时，建立了性能与计算效率之间的有效权衡。
引用
@article{arxiv.2506.05936,
title = {DynamicMind: A Tri-Mode Thinking System for Large Language Models},
author = {Wei Li and Yanbin Wei and Qiushi Huang and Jiangyue Yan and Yang Chen and James T. Kwok and Yu Zhang},
journal= {arXiv preprint arXiv:2506.05936},
year = {2025}
}