CRISP: Compressing Redundancy in Chain-of-Thought via Intrinsic Saliency Pruning
CRISP 提出了一种利用模型内在显著性（特别是终止符的注意力模式）来指导原子压缩操作的框架，能够在不牺牲准确性的前提下将长思维链的 token 数量减少 50-60%，从而有效解决长上下文推理中的计算效率瓶颈。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
`（你可以把它想象成侦探合上笔记本、准备写结案报告的“盖章”动作**）。
- 比喻：想象侦探在写日记时，每写一句话，都会偷偷看一眼那个“盖章”。
- 如果这句话是关键线索（比如“张三的鞋码是 42 码”），侦探会死死盯着那个“盖章”，心里想：“这句话很重要，必须保留！”
- 如果这句话是废话（比如“我刚才喝了一口水”），侦探看那个“盖章”时，眼神是游离的，心里想：“这个不重要，可以删掉。”
CRISP 的核心洞察就是：不需要请一个外部的“编辑”来帮侦探删减日记，侦探自己脑子里的那个“盖章”动作，就已经告诉了我们哪些是精华，哪些是垃圾。
3. CRISP 是如何工作的？（四步压缩法）
基于这个发现，CRISP 设计了一套流程，把侦探的“啰嗦日记”压缩成“精炼报告”：
扫描（寻找关键）：
利用那个“盖章”（</think>）的注意力，给日记里的每一句话打分。分数高的就是关键线索，分数低的就是废话。手术（四大操作）：
根据分数，对日记进行“外科手术”：- 保留 (KEEP)：关键线索，原封不动。
- 删除 (PRUNE)：废话连篇，直接删掉。
- 重写 (REWRITE)：话太啰嗦，把它改得简洁有力（比如把“我觉得可能是张三，因为他的鞋码是 42"改成“鞋码 42 指向张三”）。
- 合并 (FUSE)：把两三个碎碎念的步骤，合并成一句连贯的话。
润色（修复逻辑）：
经过上面的“手术”，日记可能变得断断续续，像是一堆碎片。这时候，CRISP 会请一位“高级编辑”（另一个 AI 模型）把这些碎片重新拼凑起来，确保逻辑通顺，读起来像一篇流畅的短文，而不是乱码。训练（内化能力）：
最后，让侦探（AI 模型）看着这些“精炼报告”重新学习。久而久之，侦探就学会了直接写精炼报告，不再需要写那 100 页的废话日记了。
4. 效果如何？
实验结果表明，CRISP 非常成功：
- 瘦身成功：推理过程的长度（Token 数量）减少了 50% - 60%。
- 智商在线：虽然话变少了，但解题的准确率几乎没有下降，甚至在某些难题上因为去除了干扰信息，准确率还提高了。
- 性价比极高：就像侦探以前写 100 页报告要 10 块钱，现在写 40 页报告只要 4 块钱，而且破案速度更快了。
总结
CRISP 就像是一个聪明的“去油”大师。它不需要外部专家来教 AI 怎么说话，而是利用 AI 自己内部的“直觉”（注意力机制），识别出哪些是真正的逻辑核心，哪些是多余的自我对话。通过这种方式，它让 AI 从“啰嗦的侦探”变成了“干练的精英”，既省下了昂贵的计算资源，又保持了高超的推理能力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。