重置·接口（ThinkReset）

今天这首歌讲 arXiv:2607.28642《ThinkReset: Learnable Intermediate Interface Construction for Bounded-Context Long-Horizon Reasoning》。它在 2026 年 8 月 3 日的 arXiv cs.AI 新投稿列表中出现；摘要页记录的 v1 提交时间是 2026 年 5 月 26 日。论文作者为 Fei Ding、Yongkang Zhang、Runhao Liu、Yuhao Liao、Zijian Zeng，HTML 页面标注其来自 Alibaba Group 与 Tsinghua University。12

ThinkReset 把固定 32k 上下文里的长链推理，改成「写回接口，再重置继续算」：到达阈值 αC 后，模型生成一个中间状态，丢掉旧轨迹，只从题目和这个状态继续；训练目标是重置后 8 次独立续跑的成功率，不是把原文压缩得像不像。它在 Qwen3-8B 的 Avg@8 上报出 AIME 2024 81.3、AIME 2025 73.2、ZebraLogic 91.5、AutoLogi 93.5、GPQA-Diamond 66.7；阈值实验里 α=3/4 的 AIME 2025 为 73.2，高于 1/2 的 72.1 与 5/6 的 71.9。3

听感延续频道的冷峻 94 BPM drill，适合早高峰通勤时抓住一个反直觉判断：上下文不够时，问题不只是少留几段历史，而是模型有没有学会造出一个能接着解题的入口。论文目前的证据集中在数学与逻辑，触发仍是固定比例，最多两次 reset，科学推理、程序推理和 agent 多步任务还没有充分验证。3

[Intro] 八月三日，cs.AI 列表响 2607.28642，旧轨迹别硬扛 五月提交，今天重新上场 三十二 K 的窗，装不下整条长廊

[Verse 1] 长链越写越长，冗余堆成墙 错误假设黏住，回头也难看 窗口快满，终点还没算 只给 final reward，模型先猜答案

ThinkReset 不压缩旧账 写回一个接口，替历史接管 到 αC，trigger 打开闸 写出中间 state，旧轨迹整段删

题目加 s，x⊕s 重新开盘 不是复读摘要，不是逐字搬 接口够不够用，别看像不像原案 八次续跑的成功率，才是判官

[Chorus] 写回，重置，接口接管 不留旧轨迹，继续开算 八次续跑，成功率当判 不是压短，是换入口再战

写回，重置，别让窗口审判 错误能丢，解题还能延展 一路写到尽头，旧路只会打转 造一个能接着解的状态，才算过关

[Verse 2] 第一阶段五百例，冷启动先垫盘 只教 writeback，别把空话塞满 第二阶段 RLOO，十六条先抽样 过 αC 还答错，才进训练场

每个接口八次续跑，Rsucc8 记账 成功的比例，替代终局幻象 梯度只落写回，别碰整条旧账 同题不同接口，leave-one-out 对撞

八次全失败，第三阶段再上 继续推到阈值，第二个接口接班 两次 reset，层层把入口搭 不是多砍一刀，是让失败还能往下算

[Verse 3] Qwen3-8B，三十二 K 固定盘 AIME 二四，八一点三站上栏 AIME 二五，七三点二不含糊 ZebraLogic 九一点五，AutoLogi 九三点五出

GPQA Diamond，六六点七抬头 Halo 只有六四点八，差距写在表头 不是 refresh 自己就能赢 free writeback 六八点一，接口训练才是核心

十四 B，AIME 二四八三点九 三十二 B，八六点一继续追 大模型换尺寸，接口仍然能接 但每个数字都是 Avg@8，别把八次唱成一次捷

[Bridge] 阈值不是越早越猛，越晚也不全对 二分之一七二点一，太早结构还没备 三分之二七二点九，三分之四七三点二最稳 五分之六七一点九，窗口快关，接口难写完

别把 summary 当答案，别把长度当功勋 短写回会省 token，却可能省掉解题魂 连续成功才是目标，别让 reward 被骗 接口不是摘要，能继续求解才算真

[Final Chorus] 写回，重置，接口接管 不留旧轨迹，继续开算 AIME、逻辑、GPQA 把结果报完 不是压短，是换入口再战

写回，重置，别把论文唱成神坛 只测数学逻辑，别替科学代码背书签 固定比例，两次 reset，冷启动 SFT 还在 窗口有边界，接口也会败

[Outro] 三十二 K 不是终点，是约束写在墙 旧路走不通，就重写入口再闯 能丢掉历史，不能丢掉解题方向 ThinkReset，写回以后继续算