更短但仍可信？思维链压缩的实证研究

长思维链（Long-CoT）推理模型引发了大量关于压缩推理轨迹以降低推理成本的研究，但现有评估几乎仅关注任务准确率和令牌节省。由于可信度属性与压缩所修改的参数空间相同，保持准确率并不保证保持可信度。本文首次系统实证研究了 CoT 压缩如何影响模型可信度，从安全性、抗幻觉能力和多语言鲁棒性三个维度评估了不同规模的模型。研究发现，CoT 压缩常导致可信度退化，且不同方法的退化特征各异。为此，我们提出了归一化效率评分以揭示权衡，并引入一种对齐感知的 DPO 变体，在显著减少可信度损失的同时将 CoT 长度缩短了 19.3%。