让 AI 多想十秒，真的会更聪明吗？

一句话：让 AI 先写出解题步骤再报答案，正确率会明显提高——这个发现叫「思维链」，是过去几年最重要的进展之一。但有两个坑：想得越久不是无限有效，而且它写出来的思路不等于它内部真实的运算过程。

反幻觉声明：思维链的原始论文（作者、年份、基准）已从 arXiv 原文核实。文中关于「可见思维链未必忠实反映内部过程」的说法，是当前研究界的普遍共识，本文以「不该混为一谈」的方式表述，未夸大为已被完全证实的定论。

一、一个简单到不像研究的发现

2022 年，一组研究者做了个很朴素的尝试：在提问时，不直接要答案，而是先给模型看几个「带解题步骤」的例子¹。

结果：模型在数学应用题上的正确率大幅提升。论文里用一个 5400 亿参数的模型、仅仅 8 个示范，就在小学数学应用题的标准测试集上刷到了当时的最好成绩——超过了专门为此微调过的模型。

这个方法被叫做思维链（Chain-of-Thought，简称 CoT）。

二、为什么写草稿会更准

道理和你做数学题一模一样。

一支笔 3 元，买 7 支，付 50 元找回多少？

口算：你得在脑子里同时完成「3×7」和「50−21」两件事，容易乱。

写草稿：先写 3 × 7 = 21，再写 50 − 21 = 29。每一步都简单到几乎不可能错。

对 AI 来说还有一层额外的原因：模型是一个词一个词往外写的，每写一个词的计算量差不多是固定的。如果要求它直接吐答案，它就只有那么几步计算可用；而如果允许它先写一大段推理，它实际获得的计算量就多了很多倍。

换句话说：让它多写，就是给它多算的机会。

这也是为什么今天很多模型都有「思考强度」的档位（快答 / 中等 / 深思）——那本质上是在调「允许它打多少草稿」。

三、坑一：想得越久，不是无限有效

收益曲线是先陡后平的。

前期提升非常明显；但过了某个拐点之后，再增加思考预算，准确率基本不涨了，而时间和费用还在线性上涨。

更麻烦的是，「想太久」有时会变差——模型可能在长长的推理里绕进死胡同、自我说服、把一个原本对的答案改错。

所以正确的用法不是「永远开最高档」，而是针对你的题型试一下，找到那个拐点。简单任务开高档纯属浪费钱。

四、坑二：它写的思路，不是它真实的运算过程

这条最重要，也最容易被误解。

当你看到模型输出「让我一步步想：首先……其次……」，很容易觉得这是它「内心活动的实况转播」。

不是的。

那段推理文字，本身也是被生成出来的文本——和它写的任何一句话一样，是「根据前文，下一个词最可能是什么」算出来的。它更像是一份事后写给你看的说明，而不是一段内部计算的录像。

这带来两个实际后果：

1. 推理写得漂亮 ≠ 答案就对。 完全可能出现「过程看起来天衣无缝、结论却是错的」。
2. 不能把它当成解释。 这一点和上一篇讲注意力时的结论是同一类问题：看起来像解释的东西，未必真的是解释。

所以：看它的推理过程可以帮你发现问题，但不能替代你验算结论。

五、你可以怎么用

六、一句话总结

让它写草稿，是给它更多计算的机会——这确实有效。但草稿是写给你看的，不是它的脑电图。

会用的人，把思考档位当成一个旋钮去调；不会用的人，要么永远开最低（该想的不想），要么永远开最高（不该费的钱全费了）。