增强型思维菌丝体 (EMoT)：一种受生物启发的层次化推理架构 with 战略休眠与记忆宫殿编码

当前大型语言模型（LLM）的提示范式，包括链式思维（CoT）和树状思维（ToT），遵循线性或树状结构的推理路径，缺乏持久化记忆、战略休眠和跨域综合。我们提出增强型思维菌丝体（EMoT）框架，这是一种受生物启发的推理架构，将认知处理组织为四个层次（微、中、宏、元），实施推理节点的战略休眠与重新激活，并整合一个记忆宫殿和五种记忆编码样式。EMoT 是一个用于复杂多域问题的研究原型，而非通用提示增强工具。两个互补的评估揭示了一种特征性权衡。在三个领域的盲目 LLM 作为评判官评估中，EMoT 在接近 CoT 的性能方面取得了近乎持平的结果（4.20 vs 4.33/5.0），且稳定性更高，在跨域综合方面超越了 CoT（4.8 vs 4.4）。消融研究表明，战略休眠在架构上至关重要（当禁用时，质量从 4.2 降至 1.0）。在 15 项简答基准测试中，EMoT（27%）在简单基线上表现显著不足，确认了在简单问题上存在系统性过度思考。这些结果受到重要限制的影响：样本量小（n=3 个复杂案例，n=15 项简答项目）、LLM 作为评判官的评估可能存在自我偏好偏差，以及约 33 倍的计算成本开销。鉴于 EMoT 是首个将层次化拓扑、战略思维休眠与重新激活、以及记忆编码集成于单一架构的推理框架，我们的工作具有重要意义。