一句话速记：简单题也写几千 token、答对了还反复验证、在几个思路间来回切换。治理从三个方向：训练时加长度相关的奖励或惩罚（按难度自适应）、做长短思维链的蒸馏与合并、推理时控制思考预算（budget forcing、早停）。
推理模型