FAST-GRPO是一種用於大型視覺語言模型高效推理的快慢思維框架，由肖文懿和甘磊磊提出，其相關論文被NeurIPS 2025接收為Spotlight報告。該框架旨在解決模型在面對複雜程度不同的問題時，因生成冗長推理過程而導致的“過度思考”困境。
FAST-GRPO通過引入基於問題特徵的難度評估指標、自適應思考獎勵機制和難度感知的KL正則化等組件，使模型能夠針對不同難度的問題調整推理深度。在七個主流推理基準上的實驗表明，採用此方法訓練的模型在效果上相比基線提升超過10%，同時推理所用的token數量比之前的“慢思考”方法減少了32.7%至67.3%。
基本含義,發展歷程,基本特徵,影響,相關研究,
基本含義
FAST-GRPO（全稱Fast-Slow Thinking GRPO）是一種基於強化學習訓練、用於大型視覺語言模型推理的高效方法，屬於GRPO算法的一個變體。
FAST-GRPO的核心是“快慢思維”（Fast-Slow Thinking）理念，旨在解決大型視覺語言模型在推理時易產生的“過度思考”（overthinking）問題。該方法通過引入問題難度評估指標，使模型能夠根據輸入問題的難易程度，動態地自適應選擇“快速”或“慢速”推理模式。從而在保證或提升推理準確性的同時，顯著降低計算開銷（Token使用量）。
發展歷程
FAST-GRPO框架於2025年5月被提出。相關研究論文被頂級會議NeurIPS 2025錄用並獲得Spotlight榮譽。論文的主要作者為肖文懿（Xiao, Wenyi）和甘磊磊（Gan, Leilei），其所屬單位為軟體學院。
基本特徵
FAST-GRPO是一個基於強化學習訓練的視覺語言大模型高效推理新方法，旨在解決大型視覺語言模型在複雜推理任務中面臨的“過度思考”問題，即針對所有問題生成冗長推理過程，導致效率低下甚至在簡單問題上準確率下降。
該框架集成了三個關鍵組件：基於模型的問題特徵化指標、自適應思考獎勵機制和難度感知KL正則化。FAST-GRPO通過引入適合多模態問題輸入特性的難度評估指標、自適應獎勵機制及動態KL正則，使其推理深度與問題難度相匹配。
實驗結果表明，在七個主流推理基準上，採用FAST-GRPO訓練的模型相較於基線模型準確率有超過10%的相對提升，同時與此前“慢思考”模型相比，token使用量減少了32.7%至67.3%。
影響
FAST-GRPO為大型視覺語言模型的高效推理提供了一種強化學習訓練新方法，通過引入基於模型的問題特徵化指標、自適應思考獎勵機制和難度感知KL正則化，解決了模型在面對不同難度問題時“過度思考”的困境，能夠動態調整推理深度。
在七個主流推理基準上，採用FAST-GRPO訓練的模型相較於基線模型效果提升超過10%，同時與此前慢思考模型相比，token使用量減少了32.7%至67.3%，顯著降低了推理成本，有效平衡了推理任務的準確性與計算效率，為在資源受限環境（如邊緣設備、實時套用）中部署大型視覺語言模型提供了可行的解決方案。該研究成果以題為《Fast-Slow Thinking GRPO for Large Vision-Language Model Reasoning》的Spotlight論文形式發表於人工智慧頂級會議NeurIPS 2025。
相關研究
當前，面向複雜推理任務的大型視覺語言模型，常常針對所有問題生成冗長的推理過程，陷入“過度思考”的困境，這導致效率低下且在簡單問題上甚至會導致準確率下降。
FAST-GRPO是GRPO算法的一個變體，針對大型視覺語言模型推理進行了改進。其核心是引入了適合多模態問題輸入特性的難度評估指標、自適應獎勵機制及動態KL正則化，以動態調整推理深度。
