论文提出C-MTP，用被压缩思维链轨迹中词元嵌入的平均值，直接监督连续潜在表示，训练速度快于依赖自回归生成的间接方法。在简化、少于100词元的推理任务上表现有竞争力，但在数百词元的复杂任务上，现有直接与间接方法性能均约下降65%，暴露连续CoT的长度泛化限制。代码与检查点已公开。
最近 24 小时暂无可用热度快照。