Meta AI新突破：行为复用机制让大模型推理更高效更精简

Meta在人工智能推理领域再次实现重大突破。

一项最新研究论文显示，Meta的研究团队开发出一种创新方法，使大型语言模型能够以更少的认知步骤进行更清晰的推理。

这篇论文标题为《Metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors》，于2025年9月17日发表，由Meta团队与普林斯顿大学、蒙特利尔大学合作完成。

作者包括Aniket Didolkar、Nicolas Ballas、Anirudh Goyal和Sanjeev Arora。

论文访问地址： https://arxiv.org/abs/2509.13237

该论文提出一种新机制，允许大语言模型（LLM）在每次推理后，自动总结重复使用的步骤，并将它们存储为简洁指令，称为“行为（Behavior）”。

当模型再次遇到相似问题时，它无需重新推理，而是直接调用这些“行为”来快速解决问题。

实际效果令人惊叹。

在数学推理任务测试中，Meta团队验证：模型在保持准确率不变的情况下，推理所需的token数量最高减少46%。

这意味着，对于同一道题目，模型只需一半的思考量，就能得出同样准确的答案。

研究团队表示，这使模型“学会记忆自身思考方式”，相当于为LLM配备了“思维缓存”功能。

思维手册化：AI的“行为记忆艺术”

“行为复用”（Metacognitive Reuse）框架示意图

Meta将这一机制命名为“行为手册（Behavior Handbook）”。

当模型解决一个问题时，它会完整记录自己的推理流程。

随后进行回顾反思，识别哪些步骤是常用模式，例如“应用容斥原理”“有理化分母表达式”或“先化简再代入”。

模型会为这些模式命名并编写描述，形成一条条“行为指令”。

这些指令被收集在一本持续扩展的手册中。

论文中将此机制描述为“元认知路径（Metacognitive Pathway）”，即模型在“对自身思考进行再思考”。

举例来说：当模型处理一道掷骰子概率问题时，它可能调用behavior_total_outcomes（计算总可能结果数）和behavior_inclusion_exclusion（使用容斥原理避免重复计算）。

调用后即可直接输出答案，无需冗余解释。

因此，每个行为都是一段压缩的思维过程，将原本需要数十步的推导，浓缩为一句话指令。

论文展示了多项实验结果。在MATH数据集上，行为调节推理（Behavior-conditioned Inference）使模型的推理token平均减少近一半；在AIME–24/25高难度数学题上，模型在低计算预算（2048–8192 tokens）下仍维持稳定的精度。

自我复盘，实现人类式“思考节省”

长期以来，大模型被批评为“冗长啰嗦”：每次解题都需要展开冗长的思维链（chain-of-thought），重新铺陈所有中间步骤。

这不仅浪费token资源，还降低了模型吞吐效率。Meta的方法让模型自主反思、提炼和精简。

行为提取提示设计流程

论文设计了三种应用模式：

第一种是“行为调节推理”（Behavior-conditioned Inference）。模型从手册中检索相关行为提示，并基于它们解决问题。结果：token使用量减少46%，准确率不仅未降反而略有提升。

第二种是“行为引导自我改进”（Behavior-guided Self-improvement）。模型利用自己总结的行为来指导后续推理过程。结果：正确率比常规“自我批改”方法提高10%。

第三种是“行为调节监督微调”（Behavior-conditioned SFT）。Meta研究者使用带有行为提示的推理数据来训练学生模型。结果：学生模型学会更高效的推理，比传统微调版本更智能、更节省资源。

实验中，Meta采用R1-Llama-70B作为“元认知策略师”，并测试了Qwen3-32B、Llama-3.1-8B等多个学生模型。

几乎所有模型都观察到相同趋势：推理token用量显著下降，性能保持稳定。

研究者将这一现象比喻为：“模型从缓慢推导转向快速反应。”它不再每次重复编写思维过程，而是像人类一样，学会了依靠经验来节省思考。