AI“脑内群聊”真相：多角色互动提升推理智能

AI变聪明的秘密竟在于“脑内群聊”？！

谷歌最新研究揭示，顶尖推理模型如DeepSeek-R1在解题时，内部会分化出性格各异的虚拟人格，如外向型、严谨型、多疑型……

大模型的解题过程，就如同这些人格之间的社交和辩论，一场左右脑博弈的较量：

“这个思路对吗？尝试这样验证……”“不对，之前的假设忽略了xx条件”……

有趣的是，AI在争论中反而变得更聪明。

研究发现，面对GPQA graduate-level科学问题、复杂数学推导等挑战时，内部观点冲突更加激烈。

相比之下，处理布尔表达式、基础逻辑推理等简单任务时，模型的脑内对话明显减少。

模型推理：一场“左右脑互搏”

通过分析DeepSeek-R1和QwQ-32B等模型的思维轨迹，研究团队发现，其推理过程充满了对话感。

分裂出的虚拟角色不仅性格各异，还能覆盖更多解题角度。

创意型角色擅长提出新思路，批判型角色专注挑错补漏，执行型角色负责落地验证……

这些角色的交流让模型能更全面地审视解决方案。

网友也感慨，自己在思考时也会经历类似的“左右脑互搏”。

然而，这种多角色互动并非开发人员刻意设计，而是模型在追求推理准确率过程中自发形成的。

那么实验是如何证明这一点的呢？

团队利用稀疏自编码器SAE，对AI的推理过程进行深度解码，成功“监听”了AI的脑内群聊。

研究者首先让AI执行复杂的数学或逻辑推理任务。在模型产出思维链的同时，团队同步提取隐藏层神经元的激活数值。

但此时的数据是由数亿个参数构成的复杂非线性信号，无法直接对应任何语义。

将这些激活数据输入SAE，通过SAE的稀疏约束机制，可以把杂乱的激活拆解为“自问自答”、“切换视角”等独立的对话语义特征；

通过分析这些特征的激活频率及其在时间序列上的协同关系，团队成功识别出不同的内部逻辑实体。

再给这些特征打上“规划者”、“验证者”等虚拟角色的标签，就成功解码了AI内部的多角色对话行为。

“哦！”让推理更准确

通过对比DeepSeek-R1与DeepSeek-V3、Qwen-2.5-32B-IT等普通指令模型的推理轨迹，发现推理模型的对话式行为出现频率显著更高。

这里还有个有趣的发现——

“哦！”让推理更准确。

当团队通过激活添加法强化模型的对话特征，放大“哦！”这类表达惊讶、转折的话语标记时，模型在Countdown算术推理任务中的准确率从27.1%翻倍至54.8%。

更关键的实验证据来自强化学习训练。

研究人员不提供任何对话结构的训练信号，只奖励模型答对题目的行为，结果发现模型会自发学会用对话式思考；

而先通过多智能体对话数据对模型进行微调，再进行推理训练，进步速度远快于直接训练推理或用独白式推理数据微调的模型。

在Qwen-2.5-3B和Llama-3.2-3B两个模型体系中，早期训练阶段对话微调模型的准确率比独白微调模型高出10%以上，Llama-3.2-3B到训练后期差距甚至扩大到22%。

这一发现恰好呼应了人类演化生物学中的著名理论社会脑假说。

假说认为人类大脑的进化主要是为了应对复杂的社交关系和群体互动需求。

如今看来，AI亦是如此。为了变聪明，它们也需要和不同“人格”社交！