长思维链中的思考陷阱：可度量研究与陷阱感知自适应重启

通过长思维链（Long-CoT）扩展测试时计算显著增强了推理能力，但延长的生成并不保证正确：在早期做出错误承诺后，模型可能继续详述一个自洽却错误的前缀。通过细粒度轨迹分析，我们识别出思考陷阱（Thinking Traps），即后续反思、替代尝试或验证均无法修正根本错误的前缀主导型死锁。在 DAPO-MATH 的一个精选子集上，89% 的失败表现出此类陷阱。为解决该问题，我们提出 TAAR（Trap-Aware Adaptive Restart），一个测试时控制框架，训练诊断策略从部分轨迹预测两个信号：指示截断位置的陷阱索引，以及指示是否以及以多大强度干预的逃脱概率。在推理时，TAAR 在预测的陷阱段之前截断轨迹并自适应重启解码；对严重受困情形，它施加更强的扰动，包括更高温度重采样与可选的结构化重启后缀。在具有挑战性的数学与科学推理基准（AIME24、AIME25、GPQA-Diamond、HMMT25、BRUMO25）上的实验表明，TAAR 无需微调基座模型参数即可提升推理性能。