meta 又一次在 AI 推理上“开了挂”。
一份新论文显示，meta 的研究团队找到一种让大模型“用更少思维，想得更清楚”的办法。
这篇论文名为《metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors》，发表于 2025 年 9 月 17 日，来自 meta 团队与普林斯顿大学、蒙特利尔大学联合研究。
作者包括 Aniket Didolkar、Nicolas Ballas、Anirudh Goyal 与 Sanjeev Arora。
论文地址： https://arxiv.org/abs/2509.13237
论文提出一个新机制，让大语言模型（LLM）能在每次推理后，总结自己重复用到的步骤，并把它们存为简短指令，称为“行为（Behavior）”。
下一次遇到类似问题，模型不再重复推，而是直接调用这些“行为”。
效果惊人。
在数学推理任务上，meta 团队实测：模型在准确率不下降的前提下，推理所需的 token 数量最多减少 46%。
也就是说，同样一道题，模型少想一半，却答得一样准。
研究团队称，这让模型“学会记得自己怎么思考”，相当于给 LLM 装上了“思维缓存”。
思维有手册：AI的“行为记忆术”
“行为复用”（metacognitive Reuse）框架
meta 把这个机制叫做“行为手册（Behavior Handbook）”。
当模型解决问题时，它会记录下自己的整个推理过程。
然后再回头反思，分析哪些步骤是常见套路，比如“容斥原理”“有理化分母”“代入后先化简”。
模型会为这些套路起名、写说明，变成一条条“行为指令”。
这些指令被收进一本不断扩充的手册里。
论文把这种机制称为“元认知路径（metacognitive Pathway）”，意思是模型在“思考自己的思考”。
举个例子：当模型遇到一道掷骰子概率题，它可能调用behavior_total_outcomes（计算所有可能结果）和 behavior_inclusion_exclusion（用容斥原理避免重复计数）。
调用完就不再多说废话，答案照出。
所以，每个行为是一段压缩的思维过程。它把原本要几十步才能重建的推导，浓缩成一句话。
论文展示了多个实验结果。在 MATH 数据集上，行为调节推理（Behavior-conditioned Inference）让模型的推理token平均减少近一半；在 AIME–24/25 高难数学题上，模型在低预算（2048–8192 tokens）下仍保持稳定精度。
自我复盘，像人一样“省思考”
长期以来，大模型被诟病“啰嗦”：每解一道题，都要展开冗长的 chain-of-thought，把所有中间步骤重新铺一遍。
这不仅浪费 token，也拉低了模型吞吐量。meta 让模型自己反思，自己提炼，自己精简。
行为提取提示设计
论文设计了三种模式：
第一种，是“行为调节推理”（Behavior-conditioned Inference）。模型从手册里调出相关行为提示，带着它们去解题。结果：少写46%的token，准确率不降反升。
第二种，是“行为引导自我改进”（Behavior-guided Self-improvement）。模型用自己总结的行为来指导下次推理。结果：正确率比普通“自我批改”提升10%。
第三种，是“行为调节监督微调”（Behavior-conditioned SFT）。meta 研究者用带有行为提示的推理数据去训练学生模型。结果：学生模型学会推理，比传统微调版本更聪明、更高效。
实验中，meta 使用了 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。
几乎所有模型都出现了相同现象：推理token直线下滑，性能保持平稳。
研究者把这一现象形容为：“模型从慢推导变成快反应。”它不再每次都重写思维，而是像人一样，学会了用经验来省思考。
本文来自微信公众号“大数据文摘”，36氪经授权发布。
