TERMINATOR：学习思维链推理中早期停止的最优退出点

大型推理模型（LRM）通过思维链（CoT）推理在复杂任务中表现优异，但常存在过度思考问题，导致计算资源浪费。现有研究表明存在最优推理长度，但确定该长度极具挑战。本文提出 TERMINATOR，一种用于 LRM 推理阶段的早期退出策略。其核心思想是利用模型首次生成最终答案的可预测性，构建最优推理长度数据集进行训练。实验表明，TERMINATOR 在四个高难度数据集上将 CoT 长度平均缩短了 14%-55%，同时性能优于当前最先进方法。