学会停止何时有帮助：推理模型早退的成本感知研究

推理模型跨实例不均匀地花费测试时算力，不断增长的早退规则家族——置信阈值、熵监视器、答案稳定性检查与学习型停止器——承诺收回浪费。但这些规则在异构协议下评估——使部署问题无人回答：在固定容许丢失正确答案的容忍度下，哪种策略节省更多算力？节省是否在探针开销后存活？我们以跨18个任务-模型设置的受控研究回答——涵盖GSM8K、MATH-500、MMLU-Pro、AIME-90与GPQA，使用Qwen3与DeepSeek-R1蒸馏模型，以LearnStop（在可从前缀观测的特征上的免隐状态逻辑停止器）作为学习策略工具。在α=0.15的匹配丢失正确风险下：学习型停止在全部四个主Qwen3自由格式数学设定中胜出（额外总token节省+3.2至+21.2分）；校准标量退出在多选题MMLU-Pro上胜出；小型难基准（AIME-90、GPQA）无早退空间。