推理步骤冗余可逐步打分，识别准确率高基线逾10点

推理链条里哪些步骤在原地打转，现在可以逐步打分了——按这个分数挑选微调数据，推理更省、任务成绩基本不掉。

模型把简单问题想复杂、反复推演已经定论的步骤，是多耗算力又拖慢响应的主要原因；此前只能人工通读推理轨迹或事后比较总长度，说不清具体哪一步在重复。

这个分数在 PRMBench 数据集的冗余类别上，步骤级冗余识别准确率比嵌入相似度、信息增益两类基线高出逾 10 点，并且与 QwQ-32B、DeepSeek-R1-Distill-Qwen-32B 和 GPT-4.1 的实际推理长度强相关。它来自 SLIDER 框架：用信息论中的部分信息分解，把相邻两个推理步骤对最终答案的信息拆成独有、冗余与协同三部分，冗余占比高即判定为重复推理。

评测为作者自测，覆盖限于该冗余数据集；论文 9 月 30 日提交，已被 ICLR 2026 大模型逻辑推理工作坊接收。