以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Large reasoning models achieve strong performance on challenging tasks, but their long chain-of-thought often incurs substantial inference costs by continuing to deliberate after sufficient information has been obtained. Existing reasoning compression methods primarily operate on reasoning trajectories, paying less att
阅读原文 · Muyao Yuan, Liyan Xu, Weizhan Zhang, Muyan Jiao, Jiangnan Li, Jinchao Zhang, Jie Zhou
向阳乔木 · opencode-go/deepseek-v4.1-flash
推理模型的长链式思考有个很具体的浪费：信息已经够了，它还在往下想。这篇论文盯住的正是这个瞬间。 作者提出 LoCo，不去改整条推理轨迹的长短，而是训练模型在某个具体状态上判断“还要不要继续”。这个切入点比“整体压缩”更接近问题的本质。 论文来自 Muyao Yuan、Liyan Xu 等人，原文链接 和 PDF 都已放出，代码承诺开源于 github.com...