你的推理模型是否隐式知道何时停止思考？

近年来，大型推理模型（LRMs）通过长链推理（CoTs）显著提升了复杂推理任务的性能。然而，这种方法常导致大量冗余，影响计算效率并造成实时应用中的显著延迟。近期研究表明，更长的推理链并不总是与正确性相关，甚至可能损害准确性。进一步分析发现，LRMs实际上隐含地知道何时停止思考，但这一能力被当前的采样范式所掩盖。受此启发，本文提出SAGE（Self-Aware Guided Efficient Reasoning），一种新的采样范式，能够释放这种高效的推理潜力。此外，将SAGE作为混合采样方法整合到基于群体的强化学习（SAGE-RL）中，使SAGE-RL能有效将SAGE发现的高效推理模式融入标准pass@1推理中，显著提升多个数学基准测试中LRMs的推理准确性和效率。