论文总结：Doesn‘t Stop Reasoning: Analysis of Spurious CoT Termination

# 论文总结：Doesn't Stop Reasoning: Analysis of Spurious CoT Termination 论文arXiv：https://arxiv.org/abs/2609.03633 会议：EMNLP 2026 Main Conference 领域：大推理模型、思维链CoT、提前退出（Early‑Exit）推理终止## 一、文章主要内容思维链（CoT）可以提升大推理模型（LRM）在复杂任务上的性能，但会产生大量冗长冗余推理文本。**无训练的提前退出（early‑exit）方法**通过在推理中间点插入``（EoT，思考结束标记），试图让模型从推理阶段切换到答案输出阶段，以此缩短推理token开销。本文发现一个关键现象：**外部注入的EoT标记，并不总能干净地触发从推理到回答的切换**。插入EoT之后，模型依旧会继续输出类似推理的内容，直到模型自身重新生成一个原生EoT；在重新生成EoT之前的这段文本，仍然表现出推理行为。作者将该现象命名为**虚假CoT终止（spurious CoT termination）**，并且该段推理文本长度，和提前退出节省的推理token数量正相关。作者提出假设：模型对外部注入的EoT token注意力不足，是虚假终止的根源。为此设计**Exit‑token Attention Biasing（EAB，退出标记注意力偏置）**方法，在推理时提升模型对注入EoT token的注意力权重。实验覆盖4个大推理模型、5个评测基准、2种主流提前退出算法。实验表明：增大对注入EoT的注意力，可以显著降低虚假CoT终止发生概率，缩短多余的回答阶段长度。该研究揭示一个重要局限：**仅