ICML 论文：别再拟人化大模型思维链，中间 Token 不等于真实推理

gerardsans · x · 2026-08-12

亚利桑那州立大学 Subbarao Kambhampati 团队在 ICML 2026 发表论文，指出当前学术界和公众习惯将大语言模型生成的中间 Token（如 o1 等模型的输出）拟人化为“思维链”或“思考过程”，这种做法具有误导性且危险。

研究表明，这些中间 Token 虽然能提升模型在复杂任务上的最终表现，但缺乏可靠的语义有效性。在可验证领域的对照实验中，Token 的正确率与最终答案只有微弱的相关性。甚至，使用损坏或无关 Token 训练的模型，表现有时与使用正确 Token 的模型相当甚至更好。此外，RL 后训练能显著提升答案准确率，却并未改善思维链本身的有效性。作者呼吁社区停止对中间 Token 的过度拟人化解读。