在效率与透明度之间架桥：多模态大推理模型中可解释的思维链压缩

长链思维（Long CoTs）广泛应用于多模态推理模型中，以捕捉详细的视觉信息来解决复杂任务。然而，这些长链思维通常过于冗长且包含重复的推理步骤，可能影响推理效率。压缩这些长链思维是一个自然的解决方案，但现有方法面临两个主要挑战：（1）移除关键对齐线索可能会损害视觉-文本推理的完整性；（2）压缩过程缺乏可解释性，难以判断哪些信息是关键的。为了解决这些问题，我们提出了XMCC，一种可解释的多模态思维链压缩器，将压缩建模为通过强化学习优化的顺序决策过程。XMCC能够在保持关键推理步骤和答案正确性的前提下有效缩短推理轨迹，并同时生成其压缩决策的自然语言解释。在代表性多模态推理基准上的大量实验表明，XMCC不仅减少了推理长度，还提供了可解释的解释，验证了其有效性。