When2Think: Learning Difficulty-Aware Length Control for Efficient Hybrid Reasoning Models

• 类型：arxiv
• 标识：2609.19671
• 链接：https://arxiv.org/abs/2609.19671
• 主分类：engineering
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes When2Think, an RLVR-based post-training framework for instance-adaptive computation allocation that requires neither a learned reward model nor a learned critic, and offline reference caching avoids online reference-model queries during policy updates.
• OpenAlex ID：W7213602680
• OpenAlex DOI：10.48550/arxiv.2609.19671
• DOI：10.48550/arxiv.2609.19671
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.19671
• OpenAlex更新：2026-09-20
• 待LLM分类：否
• 标题中文：When2Think：面向高效混合推理模型的难度感知长度控制学习
• TLDR中文：本文提出 When2Think，一种基于 RLVR 的后训练框架，用于实例自适应计算分配，既无需学习奖励模型，也无需学习 critic；离线参考缓存机制避免了策略更新阶段对参考模型的在线查询。
• 来源文件：
• /inbox/tom/_candidates/2026-09-18-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]