BELT：为 LLM 推理早停学习可复用表征
原文标题：Same Beliefs, Different Policies: Learning Reusable Representations for Early Stopping in LLM Reasoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 BELT 方法，将结果预测与停止控制解耦：从冻结 LLM 隐状态学习对当前与未来答案的信念，再拟合线性停止策略。由于预测目标与 token 价格无关，一次探针即可通过 CPU 重拟合支持不同精度-成本权衡。在五个分布外数学基准上，Qwen3-1.7B 减少 41%、OLMo-3-7B-Think 减少 51% 生成 token 且不损失准确率。
- 问题
- 推理 LLM 得出正确答案后仍继续生成，浪费算力甚至改错答案。
- 方法
- 把结果预测与停止控制解耦：从冻结 LLM 隐状态学习对当前与未来答案的信念，再在冻结特征上拟合线性停止策略，预测目标与 token 价格无关。
- 结果
- 五个分布外数学基准上，Qwen3-1.7B 减少 41%、OLMo-3-7B-Think 减少 51% 生成 token 且不损失准确率；探针参数比 OS-Pruner 少 21.2 倍，训练 GPU 时少 55 倍。
- 影响
- 一次训练即可在 CPU 上重拟合切换精度-成本权衡，推理成本可直接按预算调节。
深读 · 结论先行AI 生成展开看要点与影响 ↓
BELT早停法在五个OOD数学基准上减token 41%~51%且不掉准确率
- •将结果预测与停止控制解耦：从冻结LLM隐状态学习当前与未来答案的信念，再拟合线性停止策略
- •预测目标与token价格无关，一次探针可通过CPU重拟合或调阈值支持不同精度-成本权衡
- •Qwen3-1.7B减41%、OLMo-3-7B-Think减51%生成token，五个OOD数学基准平均不掉准确率
- •数学训练的BELT无需代码/智能体数据即迁移到编码与agent任务，权衡不劣于端到端控制器
- •OLMo3上探针参数比最强基线OS-Pruner单checkpoint少21.2倍，训练GPU时少55倍
为什么重要：推理模型「想过头」的算力浪费有了低成本解法，且一次训练可复用多种成本档位，对推理部署成本敏感方价值明确。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。