Conformal Thinking：计算预算下的推理风险控制

推理大语言模型（Reasoning LLMs）支持测试时扩展（test-time scaling），随着 token 预算的增加，数据集级别的准确率也随之提升。这促使了自适应推理（adaptive reasoning）——在 token 能提升可靠性时投入计算，而在额外计算不太可能带来帮助时提前停止。然而，设定 token 预算以及自适应推理的阈值，是一个实际挑战，涉及根本性的风险-准确率权衡。我们将预算设定问题重新定义为风险控制（risk control），在限制错误率的同时最小化计算量。我们的框架引入了一个上界阈值，用于在……时停止。