用自己的短答案训练，显卡上省掉一半 token

📋 概述

这是两步实验的第二篇。第一步已经证明：训练数据若来自不设上限的四个答案里挑最短，短思考样本只比典型答案短百分之十一点八，模型学不到什么，最多省百分之六点三的 token，而不训练只调思考预算反能省百分之三十五点八。这一篇只改一件事：采样时就打开六十四 token 的思考上限，再用这些自我生成的短答案做微调。结果在全部一千三百一十九道数学测试题上，每道正确解从九百九十四点九个 token 降到四百五十四点零个，减少百分之五成四，而推理时不设任何上限，答对数从一千一百八十七掉到一千一百七十五。