OS-Pruner：基于最优停止的推理模型思维链剪枝

大型语言模型虽在复杂推理任务中表现卓越，但常存在“计算过度思考”问题，生成冗余步骤导致延迟和成本增加。现有剪枝方法多依赖静态预算或启发式过滤。本文提出 OS-Pruner，一种轻量级插件框架，将思维链剪枝建模为最优停止问题。该方法通过学习显式效用函数，动态权衡最终答案准确率与生成长度，从而判断推理链的最佳终止点。实验表明，OS-Pruner 能在几乎不牺牲准确率的前提下，将生成长度减少 20%-60%。