本文反直觉地揭示了推理模型冗长回复并非性能提升的必要条件，并通过-20250413060314

本文反直觉地揭示了推理模型冗长回复并非性能提升的必要条件，并通过数学分析和两阶段RL训练策略，在极小数据集上实现了推理模型回复长度的显著缩减和效率提升，同时保持甚至提高了准确率，为高效、简洁的推理模型训练提供了新思路。