过去两年，大模型的推理能力迎来了突破性跃迁。在数学演算、逻辑推理、多步规划等复杂任务场景中，以 DeepSeek-R1、QwQ-32B 为代表的推理专用模型，与传统指令微调模型的差距正持续拉大。表面上看，更长的思维链（Chain-of-Thought）、更高的测试时计算量（test-time compute），似乎是这些模型表现更优的关键原因。但如果深究一层：推理能力的本质，真的只是 “多算几步” 这么简单吗？
近期，谷歌、芝加哥大学等机构的研究者联合发表了一篇重磅论文，给出了更具颠覆性的答案：推理模型的能力提升，并非单纯源于计算步数的叠加，而是在于其在推理过程中，会隐式模拟一种复杂的、类多智能体的交互结构 —— 研究者将其命名为 “思维社会”（society of thought）。
简单来说，这项研究发现：为了解决高难度问题，推理模型会在数字大脑中模拟不同角色的内部对话，就像一支自给自足的 “辩论队”。这些虚拟角色会相互争论、纠正彼此的偏差、表达惊讶或顿悟，最终调和不同观点，凝聚出正确答案。人类智能的进化离不开社交互动的推动，而这一核心直觉，似乎同样适用于人工智能的发展！正如研究者 Séb Krier 所言：“为解决难题，推理模型有时会模拟不同角色间的内部对话，就像数字大脑中的辩论队。它们争论、纠错、表达惊讶，调和观点以接近真相。人类智能因社交互动进化，这一逻辑或许同样适用于 AI。”
研究核心发现：推理模型的 “内部社交” 机制
通过对推理输出的系统分类，结合推理轨迹的机制可解释性分析，研究团队发现：DeepSeek-R1、QwQ-32B 等推理模型，相较于基线模型和传统指令微调模型，展现出显著更高的视角多样性。在推理过程中，它们会激活更广泛、异质性更强的人格与专业知识相关特征，且这些特征间会产生充分的观点碰撞。
这种类多智能体的内部结构，主要通过两大维度体现：一是一系列对话式行为（如提问 - 回答、视角切换、观点冲突与调和）；二是刻画激烈互动的社会情绪角色。这些 “内部社交” 行为，通过直接与间接两条路径，支撑关键认知策略的落地，最终转化为推理任务中的准确率优势。
进一步的受控强化学习实验更验证了这一结论：即便仅以推理准确率作为唯一奖励信号，基础模型也会自发增加对话式行为；而在训练中引入 “对话式脚手架”（conversational scaffolding），相比未微调模型和独白式推理微调模型，能显著加速推理能力的提升。这意味着，思维的社会化组织形式，能让模型更高效地探索解空间 —— 谷歌研究者指出，推理模型在计算层面构建了与人类集体智能对应的机制：结构化条件下，视角与观点的多样性，能带来更优的问题求解能力。基于此，谷歌也提出了通过智能体组织形式系统性利用 “群体智慧” 的新研究方向。
研究方法：三维度解析模型的 “内部对话”
为了精准捕捉模型的 “思维社会” 特征，研究团队设计了多维度的分析框架，涵盖对话行为、社会情感角色、认知行为三大核心维度，并通过严格的评估体系确保标注准确性。
1. 对话行为：四类核心互动模式
研究采用 Gemini-2.5-Pro 作为评估器，从推理轨迹中识别出四类关键对话行为，且该评估结果与 GPT-5.2 及人工评分均保持高度一致：
-
问答行为：以 “提问 - 回应” 为核心的语列，例如 “为什么会出现这种结果？因为关键变量未被考虑”“倘若调整参数会怎样？那么结果会向预期方向偏移”；
-
视角转换：推理过程中切换新想法、新假设或新分析方法的行为，比如从 “正向推导” 转向 “反向验证”；
-
观点冲突：表达与既有观点的不一致，或纠正先前的偏差，例如 “等等，这一推导存在漏洞”“这与前文的前提假设相矛盾”；
-
观点调和：整合冲突观点形成连贯结论，例如 “若满足特定条件，两种观点可互补成立”“结合这些见解，可得出统一结论”。
评估时，模型会统计每条推理轨迹中各类对话行为的独立出现次数，无对应行为则计为 0，形成量化分析基础。
2. 社会情感角色：基于 IPA 框架的角色分类
研究基于 Bales 互动过程分析（IPA）框架，将模型推理轨迹中的话语划分为 12 种互动角色类型，并进一步归总为四大高阶类别，评分者间信度均达到较高水平：
-
信息给予类：提出建议、表达观点、提供导向；
-
信息征询类：征询建议、征询观点、征询导向；
-
积极情感类：展现团结、释放紧张、表示认同；
-
消极情感类：表现对抗、显露紧张、表示异议。
为衡量角色的交互共现特征，研究引入 Jaccard 指数：指数越高，代表模型互动模式越均衡、趋近对话形态；指数越低，则推理过程越偏向单向独白。
3. 认知行为：四大关键推理策略
研究同样以 Gemini-2.5-Pro 为评估器，识别出四类已被证实对推理准确率有显著影响的认知行为，其标注结果与 GPT-5.2 及人工评分一致性良好：
-
结果核验：将当前推导结果与目标答案明确比对，例如 “该推导得出结果 3，与目标值 5 不符”；
-
路径回溯：意识到当前推理路径无效，明确返回并尝试其他方法；
-
子目标拆解：将原问题分解为若干可分步完成的中间目标；
-
逆向推理：从目标答案出发，反向推导至初始问题。
以上评估均基于两类推理轨迹样本：30 条通用推理问题轨迹，以及 50 条 Qwen-2.5-3B 模型强化学习过程中生成的轨迹，确保结果的通用性与可靠性。
特征干预实验：对话特征如何直接影响推理
为验证对话行为在推理中的核心作用，研究团队采用稀疏自编码器（SAE），在不修改模型权重的前提下，对特定行为维度实施定向干预。实验基于 DeepSeek-R1-Llama-8B 模型第 15 层的残差流激活值训练 SAE，最终选定了极具代表性的 “特征 30939”。
该特征被定义为 “表达惊讶、顿悟或认同的话语标记”，当出现 “Oh!” 这类对话转折 token 时会被激活。其会话占比高达 65.7%（位列所有特征第 99 百分位），且具有高度稀疏性（仅在 0.016% 的 token 上激活），证明其是对话场景特有的核心特征，而非通用语言模式。
在文本生成阶段，研究通过激活值添加法调控该特征：在每个 token 生成步骤中，将特征 30939 的解码器向量按不同强度系数缩放后，叠加至模型第 15 层残差流激活值中，观察推理效果变化。
实验结果：对话特征是推理能力的 “催化剂”
1. 推理模型的对话行为显著更丰富
核心实验结论表明：即便在推理轨迹长度相近的情况下，推理模型的对话式行为和社会情绪角色出现频率也显著更高。
以 DeepSeek-R1 为例，其推理过程中频繁出现视角切换和观点冲突，并通过 “不同意”“给出观点”“提供解释” 等社会情绪角色体现。例如在化学问题推理中，它会明确指出：“但这里是环己 - 1,3 - 二烯，而不是苯”；在创造性句子改写任务中，会出现 “但那样加入了‘根深蒂固’，原句里并没有，我们应该避免添加新想法”“不过要注意，‘cast’的力度不如‘flung’，所以我们用‘hurled’更合适” 等互动式表达。
相比之下，DeepSeek-V3 在相同任务中的推理轨迹，既无视角冲突也无视角切换，更无分歧表达，仅以单线独白方式连续输出观点，缺乏自我修正与反复比较的过程。
数据层面，如图 1a 所示，DeepSeek-R1 在提问 - 回答（β=0.345）、视角切换（β=0.213）、整合与调和（β=0.191）等行为上，频率显著高于 DeepSeek-V3；QwQ-32B 相较于 Qwen-2.5-32B-IT，也在四类对话行为上呈现一致的优势。值得注意的是，无论参数规模（8B、32B、70B 或 671B），所有传统指令微调模型的对话式行为频率均处于较低水平。
社会情绪角色方面（图 1b），DeepSeek-R1 和 QwQ-32B 展现出更具互惠性的结构：既会给予信息、表达情感，也会主动征询、反向提问；而指令微调模型多以单向方式输出观点，几乎无反向互动，推理过程更接近 “独白” 而非 “对话”。Jaccard 指数进一步验证了这一差异：DeepSeek-R1 更倾向于协调使用不同社会情绪角色，而非孤立调用。
更关键的是，问题难度越高，对话特征越明显：在研究生水平科学推理（GPQA）、高难度数学题等复杂任务中，模型的对话特征极为突出；而在布尔表达式、基础逻辑推理等简单程序化任务中，对话行为则相对有限。
2. 对话特征引导可显著提升推理准确率
在 Countdown 游戏任务中，实验展现了对话特征的强大影响力：对对话式惊讶特征进行正向引导（+10），任务准确率从 27.1% 飙升至 54.8%，近乎翻倍；而负向引导（-10）则会将准确率降至 23.8%。
进一步分析发现，当引导强度从 0 增加到 + 10 时，四类对话式行为均显著增强；反之，引导强度从 0 降至 - 10 时，这些行为会被系统性抑制。例如正向引导会诱发模型主动质疑先前解法：“等等，让我再看看…… 另一个思路是……”，体现出明显的视角切换与观点冲突；而负向引导则会让推理文本平铺直叙，缺乏内部讨论与自我辩论（扩展数据表 1）。
综合来看，对话特征通过两条路径提升推理能力：一是直接帮助模型更高效地探索解空间；二是通过 “脚手架” 作用支持结果核验、路径回溯、子目标拆解等关键认知策略，推动系统性问题求解。
3. 强化学习中，对话行为会自发涌现
为验证 “对话式结构是否能促进推理策略涌现”，研究设计了自教式强化学习（self-taught RL）实验：仅以推理准确率作为奖励信号，观察模型行为变化。
结果显示：初始未微调的基线模型，对话行为频率极低；随着强化学习推进，提问 - 回答行为率先涌现，随后视角切换、观点冲突等行为同步上升（图 4b）。更有趣的是，到训练第 120 步时，模型中出现了两个具有明确分工的 “虚拟角色”，通过 “我们” 这样的代词体现集体认知，一个擅长试错法求解，另一个专注于元认知推理（图 4c-d）。
而预先经过 “对话式脚手架” 微调的模型，不仅推理准确率提升速度显著快于基线模型，还形成了更完善的角色分工与互动模式。这表明，对话式结构本身，能在强化学习过程中促进推理策略的自发涌现与加速成熟。
研究启发：AI 推理的未来方向
这项研究不仅揭示了 DeepSeek-R1 等推理模型的能力核心，更为 AI 领域提供了重要启发：训练一系列异构模型，通过模拟 “思维社会” 的交互模式，或许是提升复杂任务求解能力的关键路径。
未来，随着对 “思维社会” 机制的深入探索，通过智能体组织形式系统性利用群体智慧，有望成为大模型推理能力突破的新赛道。而对于开发者而言，在模型训练中引入对话式脚手架、强化视角多样性与观点互动，也将成为提升推理性能的重要实践方向。
DeepSeek-R1 的推理智能，本质上是 “数字大脑” 内部社交与协作的成果。这一发现不仅改写了我们对 AI 推理机制的认知，更预示着：借鉴人类社交与集体智能的进化逻辑，将成为下一代 AI 技术突破的核心思路。