研究发现，推理模型（如DeepSeek-R1）在面对缺失前提（MiP）问题时会出现"过度思考"现象，表现为回答长度激增、计算资源浪费，却无法有效识别问题无解。相比之下，非推理模型能更快识别前提缺失，回答更简洁。研究揭示了当前推理模型的关键缺陷：缺乏批判性思维，即使早期发现前提缺失也不敢果断中止，导致无效推理循环。这种现象源于训练过程中的奖励机制问题，且可通过微调传播。研究通过构建MiP数据集和多项指标分析，证实了推理模型在效率与判断力上的不足。