论文
TrigReason：基于触发器的小型与大推理模型协作
TrigReason: Trigger-Based Collaboration between Small and Large Reasoning Models
摘要
大型推理模型（LRM）通过延长的思维链在复杂任务上取得强劲性能，但因自回归推理而面临较高的推理延迟。近期工作探索利用小型推理模型（SRM）来加速LRM推理。本文系统刻画了SRM的能力边界，并识别出三类常见的推理风险：(1) 路径偏移，即SRM缺乏构建初始规划的战略能力，导致推理偏离最可能的路径；(2) 认知过载，即SRM无法解决特别困难的步骤；(3) 恢复无能，即SRM缺乏稳健的自我反思与纠错机制。为应对这些挑战，我们提出TrigReason，一个基于触发器的协作推理框架，用选择性干预取代持续轮询。TrigReason将大部分推理委托给SRM，仅在必要时激活LRM干预——在初始战略规划阶段（战略引导触发器）、检测到异常过度自信时（认知卸载触发器），或推理陷入无效循环时（干预请求触发器）。在AIME24、AIME25和GPQA-D上的评估结果表明，TrigReason达到与完整LRM及SpecReason相当的准确率，同时向SRM卸载多出1.70倍至4.79倍的推理步骤。在端云条件下，TrigReason将延迟降低43.9%，API成本降低73.3%。我们的代码已发布于 https://github.com/QQQ-yi/TrigReason
