推理模型如何控制“思考预算”？

一句话速记：通过思考开关、思考 token 预算截断、长度惩罚训练等方式，在效果和延迟之间权衡。

推理

同章节的其他八股

• DeepSeek-R1 的训练流程是怎样的？
• 什么是 Test-time Scaling？有哪些方式？
• 长 CoT 推理模型有哪些常见问题？怎么优化？
• Chain-of-Thought 为什么有效？
• 常见的 Prompt 工程技巧有哪些？
• 思维树（ToT）、自我一致性、ReAct 的区别？