去年夏天参加 AFAC2025 的时候，赛题三的名字叫"金融领域中的长思维链压缩"。看到这个题目我第一反应是，这不就是个工程优化问题吗？把模型输出的推理过程缩短一点就行了。后来真正动手做才发现，这件事比我想的有意思得多。专利原图：三步走架构，S101 系统提示词优化 → S102 正向微调 → S103 多偏好自训练迭代。每一步都在解决一个具体的约束条件。一、问题到底是什么赛题的要求很明确，在金融场景下，让一个 4B 级别的小模型的思维链（CoT）更短、更准、更顺。这三个字拆开看：更短：思维链长度要大幅压缩，从几千 token 压到一百以内更准：压缩之后准确率不能掉，最好还能涨更顺：输出要人类可读，不能是一堆乱码或者只有答案没有过程听起来简单对吧？但实际操作的时候你会发现，这三个目标互相打架。你想让 CoT 更短，最简单的办法就是让模型少说点，但说得少了准确率就崩。你想让准确率上去，就得让模型多想几步，CoT 又变长了。可读性更难搞，很多模型被逼急了会输出一