UIUC等机构论文将AI智能体的“浪费”定义为可删除且不影响验证的推理片段，如复述、重复取数、凑字和绕远路。实验覆盖4个基准、6款模型，发现约18%的输出token属于浪费；在线剪枝删除41%–46%的推理内容后成绩基本不降，全部删除则明显下滑。浪费分布高度集中，少数长轨迹占据大量轮次。增加推理预算的边际收益递减，从高档到最高档新增的token多花在结果不变的任务上。省钱的关键是剪掉这些标记片段，而非压低推理预算。