LLM 推理是潜在的，而非链式思考
人工智能
2026-04-20 v1
摘要
本立场论文认为，大规模语言模型 (LLM) 的推理应作为潜在状态轨迹形成来研究，而非作为忠实的表面链式思考 (CoT)。这一观点之所以重要，是因为关于忠诚度、可解释性、推理基准以及推理时干预的所有说法，都取决于该领域将推理的主要对象视为何种东西。我们提出应将三个常被混淆的因素加以区分，并正式化三个相互竞争的假设：H1，推理主要由潜在状态轨迹所主导；H2，推理主要由显式的表面 CoT 所主导；H0，所有看似推理收益最佳解释为通用串行计算，而非任何特权表征对象。我们对最近的实证、机制性及调查工作进行重新组织，并补充计算审计的示例案例，以分解表面痕迹、潜在干预和匹配预算扩张，发现当前证据最强烈支持 H1 作为默认工作假设，而非作为任务独立的判断。因此，我们提出两项建议：该领域应将潜在状态动力学视为研究 LLM 推理的默认对象，并且应采用能显式分离表面痕迹、潜在状态与串行计算的设计来评估推理。
引用
@article{arxiv.2604.15726,
title = {LLM Reasoning Is Latent, Not the Chain of Thought},
author = {Wenshuo Wang},
journal= {arXiv preprint arXiv:2604.15726},
year = {2026}
}