谁说思维链越长越好？Yuan3.0 Flash开源：砍掉70%无效token，重构推理范式

背景：当前大模型在推理时，常在得出正确答案后仍持续进行无效反思，导致超过70%的算力被浪费，这成为企业落地中的隐性成本。研究目的：为了解决这一问题，Yuan3.0 Flash模型创新性地提出了反思抑制奖励机制（RIRM）和反思感知自适应策略优化（RAPO），旨在引导模型在保持推理能力的同时，学会在恰当时间停止思考，从而提升推理效率。结论：实验表明，该技术能在准确率保持甚至提升的情况下，显著减少推理Token消耗（最高达75%），并通过RAPO提升训练稳定性与效率，为企业级应用提供了更快、更准、更省的解决方案。