研究：向推理模型注入“思考结束”标记不一定能触发干净的回答阶段
一项被EMNLP 2026主会接收的研究发现，“零训练早停”方法注入的结束思考（EoT）标记，并不总能强制大推理模型停止推理，模型可能继续生成类似推理的内容，直至再次生成EoT。
AI解读：这项研究解释了为什么靠外部插入一个“思考结束”标记来缩短大模型推理链并不总是奏效：模型并未真正学会把该标记当作停止推理的指令，而是把它当作普通token，在它之后仍可能继续生成类似推理的内容，直到模型自己再吐出一个EoT才转入回答。作者通过提高模型对该标记的注意力权重（EAB方法），在四个模型、五个基准和两种早停方法上减少了这种“虚假终止”并缩短回答长度。对开发者而言，这意味着依赖显式格式（如think块）控制推理模型有根本局限——格式匹配不等于语义遵从；若要用早停节省token，需要同时考虑输出质量和成本权衡。目前没有公开数据显示EAB对最终答案准确率的具体影响，相关工具属研究阶段，普通用户暂无需改变使用方法。
一项将于EMNLP 2026主会发表的研究指出，在大型推理模型（LRM）的中间点注入“结束思考”（EoT）标记，并不能始终触发从推理到回答的干净转换；模型可能在回答阶段继续生成类似推理的内容，直到它再次自行生成EoT。研究者将这一现象称为“虚假CoT终止”（spurious CoT termination）。
EoT注入并不总能打断推理
链式思维（CoT）推理能提升大型推理模型在复杂任务上的表现，但常产生冗长、冗余的推理过程。近期出现的“零训练早停”方法通过选择中间点来截断这些推理链，从而缩短输出长度；其中一种策略是在该点注入EoT标记，以触发推理到回答的转换。
该研究对这一策略进行了检验，发现注入的EoT并不总会带来干净的回答阶段：模型在继续生成一段时间后才可能再次生成一个EoT，且这段位于“再次生成的EoT之前”的文本长度，与早停节省的推理token数量呈正相关，并表现出持续的推理行为。研究者将这种“类似推理的生成延续到回答阶段”的现象称为虚假CoT终止。
研究提出假设：模型对注入EoT的注意力不足是导致虚假CoT终止的原因，并据此提出一种名为“退出标记注意力偏置”（Exit-token Attention Biasing, EAB）的干预方法。
- 验证范围：四个大型推理模型、五个基准测试、两种早停方法。
- 主要结果：提高模型对注入EoT的注意力，可以降低虚假CoT终止的发生率，并缩短回答阶段长度。
- 结论：仅通过外部匹配模型的显式思考块格式来插入EoT，并不能保证实现预期的推理到回答转换，揭示了以这种方式控制大型推理模型的局限。