STOP：低数据体制下长形式推理的结构化在线策略剪枝

长链思维推理虽提升多步问题性能，但常导致过度思考，增加推理成本与延迟，尤其在低数据微调场景下更为显著。本文提出 STOP（结构化在线策略剪枝），一种分析并剪枝长形式推理轨迹的在线算法。该方法通过节点分割、分类标注及推理树构建，将自蒸馏轨迹映射为结构化接口，并引入 ECN（最早正确节点）机制，保留至首个得出正确答案且具备结论功能节点的最短前缀，剔除冗余的后解推理同时保持语义连贯。实验表明，STOP 在大幅减少生成 token 的同时保持了准确率，并优化了推理结构效率。