研究：推理模型思考越多认知偏差未必越小
原文标题：The Long Road to the Same Answer: Cognitive Bias Under Escalating Reasoning Budgets in Large Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文对四个模型家族进行剂量-反应研究，配对推理模型与非推理模型，在 0 至 8192 token 思考上限下完成 12350 次 API 调用。结果显示推理模型并不比同门非推理模型偏差更小，偏差幅度也未随实际推理量增加而可靠下降，锚定效应是唯一与人类方向一致的偏差。作者据此反对把测试时推理当作理性保证，主张逐项审计部署模型的偏差。
- 问题
- 推理模型思考更多是否真能减少决策偏差，缺乏剂量-反应证据。
- 方法
- 配对推理与非推理模型，用实际消耗的推理 token 作剂量，在 0 至 8192 上限下跑 12350 次 API 调用。
- 结果
- 推理模型偏差未更小（Δ=+0.031，p=.157）；无显著负斜率；仅锚定效应与人类方向一致（d=1.89）。
- 影响
- 别把测试时推理当理性保证，部署前需逐项审计模型偏差。
深读 · 结论先行AI 生成展开看要点与影响 ↓
12350次API调用显示推理模型并不比同门非推理模型偏差更小，思考越多偏差未必越低。
- •剂量-反应研究覆盖四个模型家族，配对推理与非推理模型，思考上限0/1024/4096/8192 token，共12350次API调用
- •推理模型偏差未更小，点估计在每个家族都偏向相反方向，但合并对比不显著（Δ=+0.031，p=.157）
- •偏差幅度未随实际推理量可靠下降，无显著负斜率
- •锚定效应是唯一与人类方向一致的偏差（d=1.89），其余五个中四个在全部七个模型上方向相反
为什么重要：直接反驳「测试时推理等于理性保证」的默认假设，主张逐项审计部署模型的偏差。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。