长度惩罚让思维链更难监控

这项研究考察长度惩罚强化学习对思维链可监控性的影响。Qwen3-4B与Qwen3-14B实验显示，压缩显著减少推理token并保留大部分选择题准确率，却没有消除误导性提示的影响；最强压缩下，忠实性下界和监控器检出率均明显下降，且随机删句无法解释这一差异。