谷歌 DeepMind 这项研究的论文《Chain of Thought Reasoning Without Prompting》（无需提示的思维链推理）发表于2024 年，并非新论文，可通过 arXiv 预印本平台查询。
思维链能力并非 AI “与生俱来”，而是模型在训练中习得后，被传统调用方式 “隐藏” 了，谷歌的研究只是找到了激活它的方法，具体逻辑如下：
- 能力来源：训练赋予基础大型语言模型在训练时接触了海量文本，其中包含人类的各种推理过程（如解题步骤、逻辑分析），因此模型参数中 “存储” 了推理模式 —— 这是能力的基础，并非天生就有。
- 传统方式：只选 “最简洁路径”过去用 “贪婪解码”（每次选概率最高的词）调用模型时，模型会优先输出简洁答案（如直接给数学题结果），因为日常语言中 “直接给答案” 比 “写推理步骤” 更常见，概率更高，导致推理能力被隐藏。
- 谷歌方法：“逼出” 隐藏的推理能力研究团队用 “CoT-decoding” 让模型对同一问题生成 10 个不同答案（通过调整 “温度采样” 增加多样性），发现部分答案会自然包含推理步骤 —— 这证明推理能力早就在模型里，只是需要通过 “多路径探索” 激活，而非外部提示临时激发。
简单类比：就像学生通过上课（训练）学会了解题步骤，但考试时若只要求写答案（传统调用），他不会展示步骤；若让他多写几种解题思路（多路径生成），就会自然呈现推理过程 —— 能力是学来的，不是天生的，只是需要合适的方式展现。
我可以帮你整理这篇论文中 “CoT-decoding 方法” 的核心步骤拆解，方便你更直观理解 AI 如何被引导展现推理能力，需要吗？