研究将单次预测版本 Instant 与按需推理版本 AutoThink 建立在统一的选项概率接口上，通过三阶段训练发展两类能力，并提出 RLCD²，以推理前后概率预测质量的变化训练推理策略。针对开篇提到的空推理与无法终止现象，第三阶段先使用约 4,000—21,000 条推理监督样本训练适配器，恢复各规模模型的推理生成与终止能力，再引入强化学习。StartLux-Decision 将这些问题分别落到了可检验的设计上：注意力方向影响单次预测的表示能力，RLCD² 优化推理带来的概率收益及其生成成本，DecisionPivot 检验对关键细节的辨别，而策略感知校准关注概率进入系统后的行为。