超网络一次前向预测参数更新，替代长思维链推理。
资讯摘要
论文提出 HyperThink，将长思维链的推理计算摊销为一次查询条件参数更新：轻量超网络读取问题并预测基础 LLM 少量参数的更新，向量量化解码器将更新约束到有限可复用模式以提升稳健性与迁移性。模型以基础模型自身输出端到端训练，测试时无需长思维链，一次超网络前向即可生成简洁分步解答与最终答案。作者报告其在数学与通用推理任务上改善了准确率-延迟权衡的低延迟区域，在接近非思考模式下增益最强。
要点速读
- HyperThink 用轻量超网络根据问题预测基础 LLM 少量参数的更新，替代测试时的长思维链。
- 向量量化解码器把参数更新约束到有限可复用模式，以提升稳健性和迁移性。
- 作者报告该方法在数学与通用推理任务上改善准确率-延迟权衡，近非思考模式增益最强。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。