一句话总结

论文提出 TOPS（Thinking-Optimal Scaling）：

不让模型一味延长 CoT，而是学习针对不同难度的问题，生成“能够答对的最短推理过程”。

1. 研究动机

现有 Test-Time Scaling 通常认为：

推理 Token 越多，模型思考越充分，准确率越高。

但论文发现，这一规律并不总成立：

• 对困难问题，增加推理长度通常有帮助；
• 对简单问题，过长推理可能降低准确率；
• 不同难度的任务对应不同的最佳推理长度。

因此，Test-Time Scaling 的目标不应是“尽可能多思考”，而应是“分配恰当的思考量”。

2. 为什么过长 CoT 可能有害？

作者分析不同长度的推理过程后发现：

• 推理越长，重复验证和回溯次数越多；
• 推理轮次增加时，错误推理轮次也会增加；
• 少量错误与纠正可以帮助模型学习自我反思；
• 但错误步骤过多，会污染训练信号并降低最终性能。

因此，过度思考不仅浪费 Token，还可能引入新的计算错误，使原本正确的方向被推翻。