SIM-CoT

让模型在内部悄悄思考，推理更快更省token

SIM-CoT 是一个用于实现监督式隐式思维链（Supervised Implicit Chain-of-Thought）的开源项目，对应论文发表于 ICLR 2026。该项目旨在解决传统显式思维链（如让模型逐步输出推理过程）在推理效率、隐私泄露和输出可控性上的问题。其核心能力是通过监督学习让模型在内部隐式地进行多步推理，而不需要显式生成中间步骤，从而在保持推理质量的同时大幅减少推理时的 token 消耗和延迟。项目提供了完整的训练和推理代码，支持自定义数据集，并包含评估脚本。它适用于需要高效推理或对中间过程保密的应用场景，如实时对话系统、边缘设备上的推理等。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 216

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队InternLM

所属国家

官网地址

GitHubhttps://github.com/InternLM/SIM-CoT

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型chain-of-thought,continuous-thought,implicit-chain-of-thought,large-language-models,llm

GitHub 星标★ 216

30天Star增速

HF 下载量

上线时间2025-09-23 00:00:00

最近更新2026-09-18 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

减少推理时显式思维链的token开销，显著降低延迟和成本
隐式推理避免暴露中间步骤，增强隐私保护
基于ICLR 2026论文，方法有理论支撑，代码结构清晰

不足之处

早期项目，文档和社区生态待观察
隐式推理的可解释性较差，难以调试和验证中间过程

适用场景

低延迟实时推理场景，如聊天机器人、智能客服
资源受限环境，如移动端或边缘设备上的模型部署
对推理过程隐私敏感的应用，如医疗或金融分析

替代项目

Chain-of-Thought (CoT)、Self-Consistency、Tree of Thoughts (ToT)

项目介绍

SIM-CoT 是模型训练领域的开源项目，由 InternLM 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 216。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。Apache-2.0许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：低延迟实时推理场景，如聊天机器人、智能客服。同类可对比的替代方案包括 Chain-of-Thought (CoT)、Self-Consistency、Tree of Thoughts (ToT)。

上一篇：Time-R1

下一篇：GuidedQuant