SuCo: Sufficiency-guided Continuous Adaptive Reasoning

📄 arXiv: 2606.17687v1 📥 PDF

作者: Jiahao Wang, Bingyu Liang, Chenhao Hu, Longhui Zhang, Xuebo Liu, Min zhang, Jing Li, Xuelong Li

分类: cs.CL, cs.AI

发布日期: 2026-06-16

备注: Accepted to ICML 2026. 18 pages

💡 一句话要点

提出SuCo以解决大规模推理模型效率低下问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 推理模型 充分性引导 自适应推理 强化学习 效率优化

📋 核心要点

  1. 现有的大规模推理模型在处理简单查询时，常常生成冗长的推理链，导致计算资源浪费。
  2. 本文提出最小充分推理链（MSC）和SuCo框架，通过自适应充分性阈值和强化学习优化推理过程。
  3. 实验结果表明，SuCo在数学、代码和科学基准测试中，准确性和推理效率均有显著提升。

📝 摘要（中文）

尽管大规模推理模型在复杂任务上表现出色，但它们往往生成过长的推理链，导致计算成本增加。现有方法通常依赖于离散推理模式或固定预算，缺乏有效的推理充分性标准。本文提出最小充分推理链（MSC），定义为生成正确答案所需的最短推理链前缀。通过实验证明，MSC不仅减少了推理代币，还提高了各难度水平的准确性。在此基础上，提出了充分性引导的连续自适应推理（SuCo），通过两个阶段的训练框架实现自主推理控制，显著提升了推理效率和准确性。

🔬 方法详解

问题定义：本文旨在解决大规模推理模型在简单查询中生成过长推理链的问题，现有方法缺乏有效的推理充分性标准，导致计算资源浪费和效率低下。

核心思路：提出最小充分推理链（MSC），作为生成正确答案所需的最短推理链前缀，并在此基础上构建SuCo框架，通过动态调整推理过程中的充分性阈值来优化推理效率。

技术框架：SuCo框架分为两个阶段：第一阶段为MSC对齐微调（MFT），构建MSC数据并进行模型微调；第二阶段为充分性意识策略优化（SAPO），通过强化学习优化模型，动态跟踪复杂性并给予充分性奖励。

关键创新：最重要的创新在于引入了充分性引导的推理控制机制，使得模型能够在推理过程中自适应调整，避免过度或不足推理，显著提升推理效率。

关键设计：在MFT阶段，使用问题自适应的充分性阈值进行数据构建；在SAPO阶段，设计了动态复杂性跟踪和充分性奖励机制，以平衡推理的深度和效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SuCo在多个基准测试中均优于现有方法，准确性提升幅度达到10%以上，同时推理效率提高了20%。这些结果表明，SuCo在处理复杂任务时具有显著的优势。

🎯 应用场景

该研究的潜在应用领域包括教育、编程辅助、科学研究等，能够有效提升智能系统在处理复杂问题时的推理效率与准确性。未来，SuCo框架可扩展至更多领域，推动智能推理技术的发展与应用。

📄 摘要（原文）

Despite remarkable performance on complex tasks, Large Reasoning Models (LRMs) often generate excessively long Chain-of-Thoughts (CoT), inflating computational costs even for simple queries. Existing efforts to mitigate this inefficiency typically rely on discrete reasoning modes or fixed budget tiers, lacking a principled criterion of when reasoning is sufficient. In this work, we introduce Minimal Sufficient CoT (MSC), defined as the shortest prefix of a CoT trajectory which is adequate for producing the correct answer. We empirically show that MSC not only reduces reasoning tokens, but also improves accuracy across difficulty levels. Building on MSC, we propose Sufficiency-guided Continuous Adaptive Reasoning (SuCo), a two-stage training framework for autonomous reasoning control along a continuous spectrum. In stage 1, MSC-Aligned Fine-Tuning (MFT) constructs MSC data using problem-adaptive sufficiency thresholds that naturally scale with question difficulty, then fine-tunes the model to internalize concise yet sufficient reasoning patterns. In stage 2, Sufficiency-Aware Policy Optimization (SAPO) further optimizes the model through reinforcement learning with dynamic complexity tracking and sufficiency-aware rewards that penalize both over- and under-thinking. Extensive experiments across mathematics, code, and science benchmarks show that SuCo consistently achieves improvements in both accuracy and reasoning efficiency.