能力强却更精简：提取并分析前沿模型隐藏的思维链
一项研究探讨如何通过标准 API 注册的简单工具，将前沿语言模型隐藏的思维链过程外显。由于这些轨迹可能只是事后合理化，研究人员先将其与开源模型的原生 CoT 进行比较，随后测试了包括 GPT-6 Astra 在内的闭源前沿模型。提取出的推理在数学、科学和代码生成任务中的表现与原生推理相当，并显著超过不使用推理的基线。研究还发现，不同模型在 token 效率、推理步骤类型和推理树结构方面存在系统性差异。Astra 展现出更具方向性且高效的推理方式，能够更早选择正确路径，同时将简单步骤保留在内部处理，仅外显关键推理。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。