e1：学习推理努力程度的自适应控制

研究者提出 Adaptive Effort Control，一种自适应强化学习方法，训练模型按用户指定的 token 比例（相对于当前平均 CoT 长度）分配推理量，无需按数据集和阶段调超参。用户在推理时通过连续 effort 参数动态调节成本与准确率的权衡，模型会自动按任务难度分配资源。在 1.5B 至 32B 参数规模上，数学任务中 CoT 长度在准确率匹配下较基座模型缩短 1.9-3.7x。