新的马克斯·普朗克研究所论文发现，开启推理会让不同大模型更容易达成一致——即使是在犯错时也是如此，而较长的推理轨迹则标示出它们分歧所在。
研究人员在基于美国人口普查调查构建的三个预测任务上，测试了 9 个 Qwen 与 GPT 模型，并对比了开启与关闭推理的情况。开启推理后，模型之间的一致性更高，但 9 个模型全部答错的人群比例上升了 2.0 至 2.4 个百分点；而在推理轨迹最长的人群上，调整后的一致性降至约 0.31 至 0.39。这一点之所以重要，是因为当多个模型评判同一个人时，只有它们犯的错不尽相同时，换模型才能纠正错误——更高的一致性也可能意味着更多共同的错误。
报道来源
- Rohan Paul2026-11-05 10:25