长链思维中的思维陷阱：一项可量化的研究与陷阱感知的自适应重启
人工智能
2026-01-21 v1 计算与语言
摘要
通过长链思维（Long-CoT）扩展测试时计算能显著增强推理能力，然而延长的生成过程并不保证正确性：在早期做出错误承诺后，模型可能会持续阐述一个自洽但错误的前缀。通过细粒度的轨迹分析，我们识别出思维陷阱，即一种前缀主导的死锁，其中后续的反思、替代尝试或验证均无法修正根错误。在DAPO-MATH的一个精选子集上，89%的失败案例表现出此类陷阱。为了解决这个问题，我们引入了TAAR（陷阱感知的自适应重启），这是一个测试时控制框架，它训练一个诊断策略，从部分轨迹中预测两个信号：一个用于指示截断位置的陷阱索引，以及一个用于决定是否干预及干预强度的逃逸概率。在推理时，TAAR在预测的陷阱段之前截断轨迹，并自适应地重启解码；对于严重陷入陷阱的情况，它会施加更强的扰动，包括更高温度的重采样和一个可选的结构化重启后缀。在具有挑战性的数学和科学推理基准测试（AIME24、AIME25、GPQA-Diamond、HMMT25、BRUMO25）上的实验表明，TAAR在不微调基座模型参数的情况下提升了推理性能。
引用
@article{arxiv.2601.11940,
title = {Thinking Traps in Long Chain-of-Thought: A Measurable Study and Trap-Aware Adaptive Restart},
author = {Kang Chen and Fan Yu and Junjie Nian and Shihan Zhao and Zhuoka Feng and Zijun Yao and Heng Wang and Minshen Yu and Yixin Cao},
journal= {arXiv preprint arXiv:2601.11940},
year = {2026}
}