重新审视后训练中的完整推理轨迹：部分轨迹与端点训练即可奏效

研究发现，LLM 后训练（如 SFT）中完整推理轨迹带来的收益有限，而部分轨迹即使被大幅截断仍然有效。基于注意力的分析和受控 token 移除实验表明，中间 token 对最终推理质量贡献极小，模型可依据已知轨迹端点从内部知识推断缺失步骤。仅用端点训练还能改变推理行为，并提升基于强化学习或 on-policy 蒸馏的后训练方法效果。