论文
你的推理模型是否隐式地知道何时停止思考？
Does Your Reasoning Model Implicitly Know When to Stop Thinking?
摘要
大型推理模型（LRM）的最新进展通过长思维链（CoT）大幅提升了其在复杂推理任务上的能力。然而，这种做法常导致大量冗余，损害计算效率并造成实时应用的显著延迟。近期研究表明，更长的推理链往往与正确性无关，甚至可能损害准确率。在对这一现象的进一步深入分析中，我们惊讶地发现并实证验证：LRM 隐式地知道合适的停止思考时机，只是这一能力被当前的采样范式所掩盖。受此启发，我们提出 SAGE（Self-Aware Guided Efficient Reasoning），一种释放这种高效推理潜力的新采样范式。此外，将 SAGE 作为混合采样集成到基于分组的强化学习中（得到 SAGE-RL），能使 SAGE-RL 有效地把 SAGE 发现的高效推理模式纳入标准 pass@1 推理，在多个具有挑战性的数学基准上显著提升 LRM 的推理准确率与效率。
