高效与透明性的桥接：多模态大推理模型中可解释的思维链压缩
人工智能
2026-02-11 v1
摘要
长链思维 (Long CoTs) 在多模态推理模型中被广泛用于解决复杂任务，通过捕获详细的视觉信息。然而，这些长 CoTs 往往过于冗长且包含冗余推理步骤，可能阻碍推理效率。压缩这些长 CoTs 是一种自然的解决方案，但现有方法面临两个主要挑战：(1) 可能通过移除关键对齐线索而损害视觉-文本推理的完整性；(2) 压缩过程缺乏可解释性，难以辨识哪些信息至关重要。为此，我们提出了 XMCC (eXplainable Multimodal CoT Compressor)，将压缩建模为通过强化学习优化的序列决策过程。XMCC 能有效缩短推理轨迹，同时保留关键推理步骤和答案正确性，同时为压缩决策生成自然语言解释。大量实验在代表性多模态推理基准测试上表明，XMCC 不仅减少了推理长度，还提供了可解释的解释，验证了其有效性。
引用
@article{arxiv.2602.09485,
title = {Bridging Efficiency and Transparency: Explainable CoT Compression in Multimodal Large Reasoning Models},
author = {Yizhi Wang and Linan Yue and Min-Ling Zhang},
journal= {arXiv preprint arXiv:2602.09485},
year = {2026}
}