ICLR 2026 Oral｜大模型总爱「想太多」？DECS从源头消除冗余思考，实现推理token减半且性能不降反升
速读：DECS从源头消除冗余思考，实现推理token减半且性能不降反升2026年05月12日09:00机器之心Pro本文作者来自复旦大学、上海交通大学和上海人工智能实验室。
本文作者来自复旦大学、上海交通大学和上海人工智能实验室。一作江书洋为复旦大学和实验室联培博士生，目前是实验室见习研究员，师从上海交通大学人工智能学院的王钰教授和张娅教授。
以 DeepSeek-R1、OpenAI GPT Thinking 为代表的大型推理模型，通过长达数千 token 的「思维链」在各类复杂推理任务中展现出卓越的性能。然而，这些模型普遍存在一个核心问题，即 过度思考（overthinking） ： 即便模型已得出正确答案，其推理过程中仍反复出现「wait...」「let me check...」「alternatively...」等自我修正与回溯性表达，造成大量冗余计算，带来大量无意义计算开销。
这一现象已引起学术界与工业界的广泛关注。一种直观的解决策略是引入「对长推理的惩罚机制」，即在强化学习训练过程中加入对过长推理序列的长度惩罚奖励项，以促使模型生成更为简洁的推理路径。
然而，实际操作中面临显著困难：若加重惩罚力度，模型倾向于省略必要的推理步骤，导致性能显著下降；若减轻惩罚力度，冗余推理依旧存在，效率难以提升。因此，推理效率与性能之间难以实现有效平衡。
在这篇 ICLR 2026 的 Oral 论文中，来自 复旦大学、上海交通大学和上海人工智能实验室的研究团队 首次从理论层面系统揭示了「长度惩罚」策略的根本局限性，并基于此 提出了一套全新的训练框架 DECS，在五项域内基准和两项域外基准测试中，均实现了推理长度减少超过 50% 的显著成效，同时模型准确率不降反升。