Settle：学习何时停止推理

Settle 让推理模型从已完成轨迹的答案稳定性中学会何时停止：在 MATH-500 上用 Qwen3-4B 将 token 数减少 40%，准确率仅下降 0.5 个百分点。相同 trace 下，它比在首个稳定答案处截断的监督微调高出 6.16 个百分点，token 数几乎相同。其停止分数可预测正确答案是否保持正确。