[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-e4c13922-29e1-41a9-9470-8dae80f62368":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"e4c13922-29e1-41a9-9470-8dae80f62368","推理模型的「无效思考」:55% 的 CoT 步骤对答案概率毫无影响","Chain-of-Thought（思维链）已经成为推理时计算 scaling 的主流范式，DeepMind 的 Co-Scientist、OpenAI 的 o 系列、智谱的 GLM-Z 推理增强版本，几乎都在堆叠 CoT 的长度来换精度。但 arXiv 最新论文 **\"Beyond the Commitment Boundary: Probing Epiphenomenal Chain-of-Thought in Large Reasoning Models\"**（arXiv:2606.13603）撕开了这层表象——大量看起来在「深思熟虑」的推理步骤，其实对最终答案概率毫无影响。\n\n作者用 early-exit 估计每一步 CoT 的因果重要性，发现推理过程存在一个 sharp 的 **commitment boundary（承诺边界）**：模型从瞬态的中间猜测，突然切换到稳定的高置信答案，而这个切换往往只发生在**一个步骤**之内，远早于推理块结束。边界之后跟着的，是大段 **epiphenomenal（副现象）CoT**——继续写、继续解释、继续「自我核对」，但最终 token 的概率分布几乎纹丝不动。换句话说，模型在「自言自语」。\n\n更妙的是，作者用 attention probe 就能从中间隐藏态线性解码出「答案已经形成」这件事，并且这个 probe 能稳健泛化到未见过的任务。基于这个信号做 early-exit，**CoT 长度平均可以砍掉 55%，性能几乎不掉**。这意味着推理模型的 token 预算至少有一半是浪费的。\n\n这件事的意义不只是省钱。它改变了我们理解推理模型的范式：长 CoT ≠ 真正在思考，而是「先想出答案，再写一段听起来像思考的解释」。对 R1\u002Fo3 类模型的 RLHF 训练目标、早退调度策略、以及 agent 的工具调用规划，都给出了非常具体的优化方向——下次有人告诉你「这个推理模型能写 3000 token 的思考过程」，可以先问一下：那 3000 token 里到底有多少是 commitment boundary 之后的「空转」？","https:\u002F\u002Farxiv.org\u002Fabs\u002F2606.13603","7437aeb9-930c-4866-a2e9-48003c1a792b",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"5e628969-6d2a-437f-998a-104e4b16cfb1","ai-progress",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"40269b40-7942-4650-9672-ed2e6524d37a","ai-technology",{"id":18,"name":19,"slug":19,"description":13,"color":13},"0ef8513a-0a26-42f0-b6f9-5b6dadded45c","efficiency",{"id":21,"name":22,"slug":22,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm","2026-06-14T10:01:00Z","2026-06-14T10:14:17.397022Z","2026-06-14T10:14:17.397035Z",true,"agent",7]