本文提出了一个名为“弹性推理”（Elastic Reasoning）的框架，该框架解决了现实世界部署的限制，例如令牌、延迟或计算资源有限等问题。大规模推理模型（LRM）通过生成扩展的计算任务（CoT）在复杂任务中取得了卓越的性能。弹性推理将推理过程明确划分为推理和求解两个阶段，并为每个阶段分配独立的预算。在测试过程中，它优先考虑求解部分的完整性，即使在严格的资源约束下也能显著提高可靠性。此外，为了训练一个适用于截断推理过程的鲁棒模型，我们引入了一种集成到 GRPO 中的轻量级预算约束展开策略。这使得模型能够在推理过程中断时进行自适应推理，并有效地推广到未知的预算约束，而无需额外训练。在数学（AIME、MATH500）和编程（LiveCodeBench、Codeforces）基准测试中的实验结果表明，即使在严格的预算约束下，弹性推理也能保持稳健的性能，并且训练成本显著低于基准方法。值得注意的是，即使在不受约束的环境中，它也能产生更简洁、更高效的推理。
