Settle：学习何时停止推理

Settle 通过答案稳定性学习何时停止推理，在推理结束时训练停止标记，推理时仅需普通解码。在 MATH-500 上，Settle 配合 Qwen3-4B 将 token 数量减少 40%，准确率下降 0.5 个百分点；相比在首个稳定答案处截断的监督微调，Settle 提升 6.16 个百分点，同时保持几乎相同的 token 数量。