经过逐步推理训练的大语言模型（LLMs）往往过于冗长，导致推理成本上升。标准的可验证奖励强化学习（Reinforcement Learning with Verifiable Rewards, RLVR）流程为了提升训练效率，通常会过滤掉“简单”问题，使模型主要在需要更长推理链的难题上进行训练。这种做法导致输出长度分布向更高方向偏移，使得模型将“思考时间更长”误认为“思考质量更高”。在本研究中，我们发现保留并适度加权中等难度的问题，可作为一种隐式的长度正则化机制。通过让模型接触可解决的短链任务，能够有效约束其输出分布，防止输出出现无节制的冗长。结果是，模型在无需任何显式长度惩罚的情况下，自然涌现出“简洁性”——即在解决更复杂问题时，仍能保持较短的输出长度。在Qwen3-4B-Thinking-2507（支持16k token上下文）上采用该方法的RLVR实验表明，模型在保持基线pass@1 AIME25准确率的同时，生成的解题过程平均长度几乎缩短了一半。代码已开源，地址为：https://github.com/MBZUAI-Paris/Frugal-AI{GitHub}，相关数据集与模型可于Hugging Face获取：https://huggingface.co/collections/MBZUAI-Paris/k2-think-mini-68dcfa8b114686a4bd3dc2bc{Hugging Face}。