让 AI 少写一点“解题草稿”，通常更省时间和算力，但人们也担心：草稿压得越短，越看不出它为何这样回答。Samuel Lewis-Lim 等人检验了这种直觉。他们用三种强化学习方法训练 Qwen3 和 Olmo3 系列模型，分别设置固定生成上限、逐题长度目标，或奖励同题回答中更短的版本。
思维链（Chain-of-Thought, CoT）就是模型在答案前写出的分步推理。研究发现，压缩后，衡量理由是否反映模型决策的“忠实度”在多数设置中确实下降，但主因更多是模型最终答案变得不稳定，而非推理文字删掉了关键信息。更反直觉的是，部分方法把思维链缩短了40%至65%，忠实度仍未下降，其中一个设置甚至有所提高。
可监测性——能否从推理文字中发现偏见等外来影响——则更耐压：较短的思维链通常仍会承认这些因素影响了答案。只有压缩很重时，它才可能明显退化。结论不是“越短越好”，而是低成本推理与监督能力之间并非必然二选一；具体结果仍取决于压缩方法和幅度。以上效果均为论文作者报告。