When2Think: Verimli Hibrit Akıl Yürütme Modelleri İçin Zorluk Duyarlı Uzunluk Kontrolü

Büyük Akıl Yürütme Modelleri (LRM'ler), karmaşık görevlerde etkileyici bir başarım sergileseler de sistematik bir verimsizlik problemiyle karşı karşıyadır: Basit problemlerde gereğinden fazla düşünürken (overthinking), zor ve çok adımlı problemlerde ise yeterince derin akıl yürütemezler (underthinking).

Mevcut Yaklaşımların Sınırları ve Verimlilik Bedeli

Tekdüze uzunluk cezaları veya katı yönlendirme (routing) mekanizmalarına dayanan geleneksel yaklaşımlar ciddi bir "verimlilik vergisi" öder. Bu yöntemler, basit örneklerde hesaplama yükünü azaltmayı hedeflerken, zor görevlerde belirgin bir doğruluk kaybına yol açarak sistemin genel performansını olumsuz etkiler.

When2Think ve Dinamik Hesaplama Dağıtımı

When2Think, verimli akıl yürütmeyi örnek bazlı ve uyarlanabilir bir hesaplama kaynağı tahsisi problemi olarak ele alır. Modelin problem zorluğuna göre hesaplama gücünü dinamik şekilde dağıtmasını sağlayan hibrit bir post-training (eğitim sonrası) çatısı sunar:

IDAC (Örnek Düzeyinde Zorluk Duyarlı Kontrol): Akıl yürütme derinliğini düzenlemek için önceden hesaplanmış referans istatistiklerinden (doğruluk oranları ve token tüketimi) yararlanan bir ödül şekillendirme mekanizmasıdır.
Doğrulayıcı Tabanlı Ödüller ve Stabil Optimizasyon: IDAC; doğrulayıcı (verifier) ödülleri ve yığın düzeyinde standardize edilmiş avantajlar ile birleştiğinde, öğrenilmiş ödül modellerine veya çevrim içi referans sorgularına gerek duymadan istikrarlı ve critic-free (eleştirmensiz) bir optimizasyon sağlar.
Sistem 1 ve Sistem 2 Uyumu: Basit girdilerde doğrudan yanıt vermeyi (Sistem 1 - NoThink) teşvik ederken, karmaşık problemlerde uzun zincirleme akıl yürütmeyi (Sistem 2 - Think) muhafaza eder ve modelin ne zaman derin düşüneceğini öğrenmesini sağlar.

Deneysel Başarı ve Benchmark Sonuçları

Matematiksel kıyaslama testleri, When2Think mimarisinin doğruluk-verimlilik dengesini açıkça iyileştirdiğini göstermektedir:

AIME24 Başarımı: Temel modele kıyasla token kullanımını %27,9 oranında azaltırken, Pass@3 başarımında %10,0'luk net bir artış yakalamıştır.
AIME25 Başarımı: %40,0 Pass@3 değerine ulaşarak model sıkıştırma ve yalnızca yönlendirme odaklı temel çözümleri geride bırakmıştır.

Yazılım Geliştiriciler İçin Pratik Çıkarımlar

Akıllı Token ve Maliyet Yönetimi: Üretim ortamlarında tüm kullanıcı sorgularına sabit düşünme bütçesi ayırmak hem gecikmeyi (latency) hem de API faturalarını artırır. Girdinin zorluk seviyesine duyarlı dinamik token kontrolü maliyetleri optimize eder.
Altyapı Yükünü Azaltan RL: Harici bir critic veya sürekli aktif referans model gerektirmeyen optimizasyon mimarisi, LLM fine-tuning süreçlerinde GPU bellek ve işlem maliyetini düşürür.
Hibrit Çıkarım Mimarileri: Geleceğin yapay zekâ uygulamalarında geliştiriciler, hızlı sezgisel yanıtlar ile derin analitik süreçler arasında dinamik geçiş yapabilen hibrit modelleri tercih etmelidir.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/papers/2609.19671)

Bu konuyu derinlemesine öğrenmek isterseniz: İleri Akıl Yürütme Teknikleri modülüne göz atın.