nowait-reasoning-optimizer

NOWAIT 推理优化器

实现论文 "Wait, We Don't Need to 'Wait'! Removing Thinking Tokens Improves Reasoning Efficiency"（Wang et al., 2025）中的 NOWAIT 技术。

概述

NOWAIT 是一种免训练的推理时干预方法，在生成过程中抑制自我反思 token（例如 "Wait"、"Hmm"、"Alternatively"），将思维链（CoT）轨迹长度减少 27-51%，同时不损害模型效用。

适用场景

• 在算力有限的情况下部署 R1 风格的推理模型
• 降低生产系统的推理延迟
• 优化推理任务的 token 成本
• 处理需要精简的冗长 CoT 输出

支持的模型

模型系列	类型	Token 减少比例
QwQ-32B	基于 RL	16-31%
Phi4-Reasoning-Plus	基于 RL	23-28%
Qwen3-32B	基于 RL	13-16%
Kimi-VL-A3B	多模态	40-60%
QvQ-72B-Preview	多模态	20-30%

重要：NOWAIT 在基于 RL 的模型上效果最佳。蒸馏模型（Qwen3-4B/8B/14B）在抑制反思 token 后性能会下降。

快速开始

1. 基本实现

from scripts.nowait_processor import NOWAITLogitProcessor

# Initialize processor for your model's tokenizer
processor = NOWAITLogitProcessor(tokenizer)

# Use during generation
outputs = model.generate(
    inputs,
    logits_processor=[processor],
    max_new_tokens=32768
)

2. 被抑制的关键词

完整列表见 references/keywords.md。核心关键词：

wait, alternatively, hmm, but, however, check, 
double-check, maybe, verify, again, oh, ah

工作原理

1. 初始化关键词：通过实证分析识别反思关键词
2. 扩展为 token 变体：将关键词映射到词表中的所有 token 变体（例如 "wait" → " wait"、"Wait"、" Wait"、".wait"、"WAIT"）
3. 推理时抑制：在解码过程中将反思 token 的 logits 设置为很大的负值

Logits (Before)         Logits (After)
Wait     0.8     →     Wait     -inf
First    0.6     →     First    0.6
Hmm      0.5     →     Hmm      -inf
Let      0.4     →     Let      0.4

主要发现

为什么有效

• NOWAIT 并不会完全消除自我反思——它引导模型跳过不必要的"等待"推理
• 模型仍会在关键决策点执行必要的验证
• 从而产生更线性、更直接的推理路径

RL 模型与蒸馏模型

模型类型	NOWAIT 效果	建议
基于 RL（QwQ、Phi4、Qwen3-32B）	准确率稳定，token 显著减少	✅ 推荐
蒸馏模型（Qwen3-4B/8B/14B）	在困难任务上准确率下降	⚠️ 谨慎使用

蒸馏模型严重依赖训练数据中的 CoT 结构——移除反思 token 会破坏其推理模式。

集成示例

HuggingFace Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
from scripts.nowait_processor import NOWAITLogitProcessor

model = AutoModelForCausalLM.from_pretrained("Qwen/QwQ-32B")
tokenizer = AutoTokenizer.from_pretrained("Qwen/QwQ-32B")

processor = NOWAITLogitProcessor(tokenizer)

response = model.generate(
    tokenizer(prompt, return_tensors="pt").input_ids,
    logits_processor=[processor],
    max_new_tokens=32768,
    do_sample=True,
    temperature=0.7
)

vLLM

from vllm import LLM, SamplingParams
from scripts.nowait_processor import get_nowait_bad_words_ids

llm = LLM(model="Qwen/QwQ-32B")
bad_words_ids = get_nowait_bad_words_ids(llm.get_tokenizer())

sampling_params = SamplingParams(
    max_tokens=32768,
    bad_words_ids=bad_words_ids
)

预期结果

任务类型	原始 Token 数	NOWAIT Token 数	减少比例
数学（AIME）	15,000	10,500	30%
视觉问答（MMMU）	2,900	1,450	50%
视频问答（MMVU）	1,700	1,250	27%

局限性

• 在 CoT 开销本就很小的非常简单的问题上效果较差
• 蒸馏模型在具有挑战性的任务上可能损失准确率
• 某些领域可能需要针对模型调整关键词

参考文献

• 论文：arXiv:2506.08343v2
• 完整关键词列表：references/keywords.md
• 实现：scripts/nowait_processor.py