何时学习停止有帮助？推理模型中早期退出的成本感知研究

本文研究了推理模型在不同实例间计算量差异显著时，学习到的停止规则何时优于简单的置信度或收敛阈值。作者提出 LearnStop，一种无需隐藏状态的检查点停止器，通过分析答案置信度、熵等在线特征预测前缀正确性。实验涵盖 18 种任务 - 模型设置，结果表明：在自由形式数学任务中，多特征学习停止能显著提升固定预算下的性能边界；而在选择题或极难任务中，标量规则更具竞争力。结论指出，学习停止的价值取决于推理轨迹结构，并非通用替代方案。