LLM选用Qwen3-32B准备了一个人工标注的测试集评估发现用think模式正确率较高think模式正确率139/250非think模式正确率121/250非think模式LLM会忽略不少给的示例数据比如我一共要分3个类ABC在提示词里A类写了20个示例B类写了20个示例数据C类写了10个示例数据非think模式的LLM推理结果数量向A类B类倾斜甚至最后打标到C类的数据为0条而think模式就会全面考虑给的示例。