后推理：零成本提升非思维模型的性能

针对大语言模型中间推理痕迹导致的高延迟与成本问题，本文提出“后推理”方法。该方法通过让模型在生成最终答案后再补充理由，实现了无额外延迟或令牌成本的性能提升。实验涵盖 117 个模型 - 基准设置，结果显示该方法在超 88% 的场景中有效，平均相对提升 17.37%。此外，提出的监督后推理微调进一步将有效率提升至 91% 以上，证明该机制可通过训练内化，确立了直接回答能力的新性能上限。