大型推理语言模型（LRMs）的出现，使得模型能够在推理阶段通过生成长篇思维链（CoT）轨迹来实现测试时扩展，从而应对复杂的推理任务。这些轨迹中常常包含显式的反思标记，例如“wait”“but”和“alternatively”，它们分别表示犹豫、修正以及对替代方案的探索。近期关于测试时控制的研究通常将这类标记作为轻量级的操纵手段来引导推理过程，但往往把它们视为单一粗粒度类别，而没有区分它们各自不同的功能角色。
在这篇论文中，作者进行了按类型抑制和固定前缀干预的实验，结果表明反思标记不仅在功能角色上存在差异，其发挥最大影响的时间点也各不相同。具体而言，不同类别的标记会以不同方式影响准确率和生成长度，而标记选择在模型进入稳定推理轨迹之前最为关键。这一发现意味着，对反思标记进行统一处理会忽略其内部的结构性差异，从而限制了测试时控制的效果。
基于上述发现，作者提出了 PathCal，一种新颖的免训练解码控制器。它通过区分标记类型，并仅在局部不确定状态下进行干预，来校准推理路径。在每个解码步骤中，PathCal 利用模型对反思标记的分布来估计维持当前推理轨迹与启动竞争分支之间的局部竞争程度，并在竞争分支的证据过多时，对标记的 logits 进行软性再平衡。该方法不需要外部验证器，也不需要额外采样。
该论文题为《PathCal: State-Aware Reflection-Marker Calibration for Efficient Reasoning》，由 Lingyu Jiang 等九位作者共同完成，于 2026 年 5 月 21 日提交至 arXiv，编号为 arXiv:2605.23074v1，属于人工智能（cs.AI）领域。论文共 21 页，包含 5 幅图和 7 张表格，全文以 304 KB 的规模发布，并以 DOI 形式通过 DataCite 提供引用链接。
在六个推理基准上的实验表明，PathCal 实现了更优的效率与性能权衡：在提升或保持准确率的同时缩短了生成长度，并且不依赖外部验证器或额外的采样过程。这一结果说明，对反思标记进行细粒度、状态感知的校准，是提升大型推理模型推理效率的一条可行路径。