什么时候思考足够？通过充分性评估提前退出以进行有效推理

大型推理模型（LRM）在强大的推理时间扩展能力的推动下，在复杂的推理任务中取得了卓越的性能。然而，LRM 经常会受到过度思考的影响，从而导致大量的计算冗余并显着降低效率。早期退出方法的目的是在产生足够的证据后通过终止推理来缓解这个问题，但现有的方法大多依赖于不可靠且不切实际的手工或经验指标。在这项工作中，我们引入了推理中的动态思维充分性（DTSR），这是一种有效推理的新颖框架，使模型能够动态评估其思维链（CoT）的充分性并确定早期退出的最佳点。受人类元认知的启发，DTSR 分两个阶段运行：(1) 反射信号监控，将反射信号识别为提前退出的潜在线索；(2) 思想充分性检查，评估当前 CoT 是否足以得出最终答案。在 Qwen3 模型上的实验结果表明，DTSR 在性能损失最小的情况下将推理长度减少了 28.9%-34.9%，有效缓解了过度思考。我们进一步讨论了对 LRM 和自我评估范式的过度自信，为早期退出推理提供了宝贵的见解。