以 DeepSeek-R1 等为代表的推理模型（Large Reasoning Models, LRMs），通过生成更长的思维链，在各类复杂任务中取得了更优的表现。但长思维链是推理模型 的 "双刃剑"，虽能提升性能，但 "过度思考" 带来的语义冗余会大幅推高推理成本。 为破解大模型长思维链的效率难题，并且为了更好的端到端加速落地，我们将思考早停与投机采样无缝融合，提出了 SpecExit 方法，利用轻量级草稿模型预测 "退出信号"，在避免额外探测开销的同时将思维链长度缩短 66%，vLLM 上推理端到端加速 2.5 倍。 论文：https://arxiv.org/abs/2509.24248 开源代码：https://github.com/Tencent/AngelSlim 1."思考早停" 的挑战 目前对 LRMs 思维链压缩的相关研究大致可以分为两类，一类是基于训练的方法，另一类是 Training-Free 的方法，它们都有各自的局限性： （1）基于训练的方法，通过标注数据进行有监督微调，或通过强化学习减少思维链长度。尽管压缩效果显著，但往往伴随高昂的训练成本，并导致模型输出分布 被改变，引发模型可靠性 ...