临床小模型学会在该停时停：PECA把平均回答缩短72.8%，MedMCQA准确率反升到44.0%
面向临床决策支持的小语言模型在微调后往往答得比问题所需长得多，而现有长度控制依赖偏好数据、奖励模型或专有教师模型。PECA在QLoRA监督微调目标中加入一个可微的简洁项：当生成超过token预算后提高结束符概率，无需偏好数据、辅助模型，单张消费级GPU即可训练。在1.7B参数的Qwen3-1.7B-Instruct上，PECA把平均回答长度从256.0个token降到69.7个token，即减少72.8%，同时把MedMCQA选择题诊断准确率从40.8%提高到44.0%。