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。
Existing adaptive-reasoning methods shorten the explicit reasoning a model writes, or skip it by switching modes; either way the answer is still written out token by token. Rather than deciding how much to think, we explore a different paradigm, zero-or-T thinking: a single model either answers from the implicit thinki
阅读原文 · Zhengxu Yu, Ke Xu, Meng Fang, Haitham Ammar, Weilin Luo, Jun Wang
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文问了一个很实际的问题： 模型该在什么时候花 token 去推理？ 现在主流的自适应推理，要么压缩推理过程写多长，要么直接切模式跳过推理。但不管哪种，答案还是得一个 token 一个 token 往外写。这篇论文换了个思路，叫 zero-or-T thinking ：同一个模型，要么在一次前向传播里靠“隐式思考”直接给答案、一个 token 都不生成，...