停止不必要的反思：通过自适应反思和长度协调惩罚训练LRMs以实现高效推理

大推理模型（LRMs）通过测试时扩展在复杂推理任务中表现出色，但常生成过长的思考链，导致高计算开销和延迟。本文发现，问题复杂度增加会引发更多冗余反思，从而降低准确率并增加token消耗。为此，提出自适应反思和长度协调惩罚（ARLCP）框架，通过动态平衡推理效率与准确性，引入两个关键创新：一是自适应抑制冗余反思步骤，二是根据问题复杂度校准长度惩罚。实验表明，该方法在多个数学推理基准上显著提升了效率-准确率权衡。