为什么 deepseek 深度思考过程中总要先「嗯」一声？

大家在使用DeepSeek R1的时候，估计会注意到，它在思考的时候通常会有类似于“嗯”这样的开头。

它的作用简而言之，它是为了：

为了降低开头时的语言生成不确定性。

因为大模型在生成的时候是一个字一个字的，也就是下一个字的生成是基于上一个字的，如果你要生成一篇作文，那么前面的字就决定了后面字生成的大致走向。

这里我们来举个小例子。

比如有一个续写的作业，要求我们根据「好久不见，你好」来进行续写，在你好后面补充一个字。我们可以想一下有哪些可能，可能是你好吗，你好高或者你好美。

其实对于AI来说也是一样的，它的输出也不是确定的，而是会根据上文来推测出下文。

对于这个例子，显而易见，后面跟的是“吗“，这就引申出了大模型的基本原理——它是一个概率模型，会根据上文来预测下文。

同样我们举例「小时候你就一小点，现在你好__」这个时候后面大概率跟的就是你好高。

我们来看DeepSeek的输出是否符合我们刚刚讲的这个基本原理。

当我们输入同样的上文时，可以看到它印证了我们的推测，说的是“你好高”。这就是AI大模型的思考方式。

它的思考过程也遵循类似的原理，所以开篇很重要，因为它确定了基调。“嗯”就代表了我收到了，等它几秒钟回复也符合常理，还有其他类似的回复，比如“啧”，“唔”，等等，都是先给反应。

我们可以把这个逻辑再往前推一步：

当用户提出一个复杂、开放式的问题时，比如“请解释一下黑洞的熵”，模型在生成第一个字时，面临的“可能性空间”是巨大的。它可以回答“当然”，也可以说“黑洞的熵是一个复杂的概念”，或者“根据广义相对论...”，每一个开头的有效选择都有很多。

这就在技术上造成了开局的高熵状态（HighEntropy），即高度的不确定性。模型需要从无数个貌似都合理的选项中，选择一个概率最高的来启动。

但“嗯”这种词不一样，它太灵活了。

嗯出来之后，可以有很多种选择，不管是会还是不会，都能圆回来。

“嗯”这个字，在这种场景下就成了一个绝佳的“概率锚点”。

高概率，低信息：在海量的对话训练数据中，人类在开始解释一个复杂问题前，说“嗯”的频率极高。因此，模型学到这是一个非常安全、高概率的起始选项。同时，“嗯”本身不携带任何具体的知识信息，它不承诺接下来要讲物理、历史还是哲学，这给了模型极大的灵活性。

降低后续生成难度：一旦“嗯”被生成出来，上下文就从 [用户的问题] 变成了 [用户的问题] 嗯，。对于模型来说，在 嗯， 之后接着生成“这个问题可以从...”或者“好的，我们来谈谈...”的概率，要远大于在没有任何铺垫的情况下直接生成它们。它成功地将一个不确定性极高的“冷启动”问题，转化成了一个路径更清晰的“续写”问题。

所以，“嗯”不仅仅是一个模拟人类的语气词，它更是一种技术上的策略，用来打破初始生成的僵局，锁定一个高概率的生成路径，从而让后续的文本能够更流畅、更稳定地组织起来。

它像是一个离合器，平稳地将“接收指令”状态切换到“生成内容”状态，有效规避了开局时因可能性过多而导致的“选择困难”。