大模型推理能力的飞跃，根源何在？谷歌与芝加哥大学的最新研究提出，这并非简单计算量的堆砌，而是模型内部模拟了复杂的“思维社会”。通过多角色辩论和观点整合，模型高效探索解空间，为理解AI推理的本质提供了新视角。
智能速览
“思维社会”理论：AI 推理模型通过内部模拟多角色对话解决问题。
推理模型在问答、视角切换等对话行为上频率显著高于传统模型。
强化学习实验显示，仅奖励准确率就能激发模型的对话式行为。
实验证实，增强对话特征可将特定任务准确率提升近一倍。
面对高难度问题时，模型的“内心戏”特征会更加明显。
精华内容
推理能力的跃升，并非简单的计算堆砌。一项研究揭示了其“思维社会”的内在机制，展现了对话如何塑造智能。
思维社会的发现
近两年，以DeepSeek-R1为代表的推理模型在复杂任务上表现优异，其能力常被归因于更长的思考时间。然而，谷歌等机构的研究给出了更深层的解释：模型的强大源于一种隐式的“思维社会”结构。
简单来说，为了解决难题，模型会在其“数字大脑”中模拟一场辩论。不同角色相互争论、纠正、表达惊讶，最终调和观点得出正确答案。这种类多智能体的交互，是人类社会智能进化在AI上的体现，也是其拉开与传统模型差距的关键。
对话行为的证据
研究通过分析推理轨迹，量化了模型的对话行为。结果表明，DeepSeek-R1和QwQ-32B在提问—回答、视角切换、观点冲突等行为上频率远高于指令微调模型。
例如，DeepSeek-R1会产出“但这里是环己-1,3-二烯，而不是苯”或“不同意，我们应该避免添加新想法”等带有冲突和修正的表述。相比之下，DeepSeek-V3等模型则多为单向的独白式输出，缺乏自我辩论和反复修正的过程。这种对话模式在解决高难度问题时尤为显著。
对话如何提升能力
这些对话行为究竟如何提升推理准确率？研究通过特征干预实验给出了答案。研究者找到了一个与“惊讶、顿悟”相关的特征，并通过技术手段对其进行增强或抑制。
在Countdown数学游戏中，当增强该特征时，模型准确率从27.1%飙升至54.8%，几乎翻倍。当抑制该特征时，准确率则降至23.8%。这证明对话特征通过两条路径起作用：一是直接探索更广阔的解空间，二是为结果核验、路径回溯等认知策略提供脚手架支持。
自发涌现的对话
一个关键问题是：这种复杂的对话结构是否必须被精心设计？强化学习实验给出了否定的答案。
研究人员在仅以最终答案正确率为唯一奖励信号的情况下训练模型。结果发现，基础模型会自发地增加对话式行为。这表明，对话式的思维组织形式对于系统性求解具有内在价值，能够加速推理能力的涌现。这为利用“群体智慧”构建更强AI提供了新的研究方向。
