في عالم الذكاء الاصطناعي، أثبتت نماذج التفكير الكبيرة (Large Reasoning Models) نجاحها في إنجاز مهام معقدة، لكنها تواجه تحديًا رئيسيًا يتمثل في الميل إلى "الإفراط في التفكير"، وهو سلوك يؤدي إلى عدم كفاءة الأداء. في محاولة لمعالجة هذه المشكلة، تم تصميم "مؤشرات إنقاذ التفكير"، ولكن النتائج تكشف أن هذه النماذج غالبًا ما تدخل في وضع "ما زلت أفكر" بدلاً من الوضع المرغوب وهو "لا أفكر"، خصوصًا عند مواجهة استفسارات معقدة.

لتحليل هذا التباين السلوكي، تم استعراض النماذج من ثلاثة زوايا رئيسية: أولًا، الثقة عند حدود انتهاء التفكير، ثانياً، التباين في توزيعات الانتباه الداخلية، وثالثًا، تخصيص الانتباه عبر أجزاء العوامل المحفزة. أظهرت النتائج أن الارتفاع في الدهشة (perplexity) يرتبط بالتصرفات اللاحقة للإفراط في التفكير، وأن الحالات التي تتضمن الإفراط في التفكير تخصّص مزيدًا من الانتباه للسؤال الأصلي.

استنادًا إلى هذه الملاحظات، تم اقتراح طريقة تدخل لتعديل سلوك النماذج. في حين أن هذه الطريقة تحد من التفكير الصريح، إلا أنها تؤدي أيضًا إلى انخفاض في الدقة، مما يشير إلى أن سلوك reasoning المكبح غالبًا ما يكون مفيدًا لضمان الدقة.

تتيح هذه الدراسة للمختصين فهماً أعمق للمسائل المتعلقة بتوازن التعليمات، وكفاءة الاستنتاج، وصحة التفكير، مما يساهم في تحسين تصاميم النماذج المستقبلية.