该项目旨在通过强化学习训练大型语言模型（LLM），使其在推理任务中更高效。研究在奖励函数中引入长度惩罚，鼓励模型减少token使用，同时保持准确性，从而降低推理成本。通过参数α控制效率与准确性之间的权衡，提供了灵活的调整空间。项目不仅提供了理论支持，还开源了代码和数据，方便进一步开发和应用。
