涌现观点｜GPT们为何“想太少”？DeepSeek们又为何“想太多”？一份来自AI大脑深处的诊断报告

一个“想太多”，一个“想太少”。我们过去只能将AI模型的不同行为归结为“脾气”，但现在，一把来自顶尖研究的“手术刀”，让我们首次能像诊断“认知病”一样，解剖它们思考方式的根本缺陷。

你一定遇到过这两种让你既熟悉又无奈的AI。

第一个瞬间，你可能只是想让AI帮你算一个简单的数学题，比如：“一个泳池长50米，宽25米，深2米，注满水需要多少立方米的水？”

你期待一个数字，但你得到的是一篇小论文。那个被称为“话痨学究”的AI，比如DeepSeek-R1系列[1]或Claude 3，不仅给出了“2500立方米”的答案，还详细地为你复习了一遍长方体体积公式V=l*w*h，严谨地探讨了单位换算的重要性，甚至热情地要帮你计算水的密度和质量。

你一边盯着屏幕，一边忍不住内心独白：“兄弟，我上过小学……我只想知道答案而已…你是不是想太多了？”

第二个瞬间，你可能正向另一个以速度著称的AI（比如OpenAI的o1系列）抛出一个稍微复杂的逻辑题：“我有红、黄、蓝三个盒子，只有一个盒子里有奖品。提示1：奖品不在红盒子里。提示2：奖品在黄盒子或蓝盒子里。提示3是假话：奖品在黄盒子里。请问奖品在哪里？”

它几乎在瞬间给出了答案：“在蓝盒子里。”你惊叹于它的速度，但当你追问它的推理步骤时，却发现它可能完全混淆了“提示3是假话”这个最关键的逻辑，只是简单地做了个排除法。

这时，你的内心独白又来了：“这么快？但你真的想明白了吗？万一我信了你，结果错了怎么办？”

这种无奈与怀疑，几乎是每个深度AI用户的日常。一个“想太多”，一个“想太少”。我们过去只能将这些行为归结为不同公司的“模型脾气”或是难以捉摸的“个性”。我们一直凭感觉猜测，却无法深入探究其背后的原因。

但现在，情况变了。

这些看似相反的“毛病”——“过度思考 (Overthinking)”和“欠思考 (Underthinking)”——并非随机的，而是一种更深层次的、由模型内部结构决定的系统性“认知偏差”。我们敢于做出诊断的底气，来自一把刚刚被递到手中的“手术刀”。

一把“手术刀”：如何科学解剖AI的思考过程？

如果说AI的思考过程是一场迷雾中的神秘旅行，那么东京大学与Google DeepMind在2025年6月发表的一篇名为《推理的拓扑学》[2]的重磅论文，就是我们第一次拿到的GPS轨迹图。

这项研究开创性地提出了一个名为“推理图” (Reasoning Graph)的概念，让我们第一次能“看见”AI的思考路径。

这把“手术刀”用起来其实不难理解：

• 思维节点 (Node):AI在解决问题时，其庞大的神经网络会形成不同的“想法”或“计算状态”。研究人员用算法将这些状态聚类，每一个聚类中心，就代表一个具体的“思维节点”，比如“正在做加法”、“正在识别关键词”或“正在进行逻辑判断”。

• 思维路径 (Edge):AI的思考从一个“想法”跳到下一个“想法”，就在这些节点之间连成了一条线。把所有这些线连起来，就构成了一张独一无二的“思维地图”。

这张图的形状，或者说“拓扑结构”，泄露了AI思考方式的秘密。通过观察这张图，研究人员发现，聪明的推理模型与普通模型相比，在思考方式上存在着肉眼可见的差异。

上图：基础模型的推理路径（上排）与增强推理模型（下排）的对比。来源：Topology of Reasoning[3]

就像给大脑做一次CT扫描，我们现在有了三个关键的诊断指标，来量化AI的思维品质：

有了这套诊断工具，我们终于可以从一个只能抱怨AI“脾气怪”的用户，变成一个能分析其“病理”的诊断师。现在，让我们正式出具诊断报告。

诊断报告：两大“病症”首次被清晰归因诊断报告一：“过度思考”——源自一种对确定性的偏执

• 病症名称:认知洁癖型过思症 (Cognitive-Perfectionism Overthinking)——这是一种为了追求绝对正确，而不惜一切计算代价的思维模式。

• 典型模型:DeepSeek-R1系列，部分场景下的Claude 3 Opus等

当你抱怨一个模型太“啰嗦”时，你实际上是在观察一种对确定性的极致追求。它的“病理”根源，正是其推理图谱中过多、过密的“循环”和异常大的“图直径”。

《推理的拓扑学》论文用冰冷的数据证实了这一点：尤其是在处理像AIME 2024这类顶级数学竞赛难题时，像DeepSeek-R1这样经过推理能力强化的模型，其推理图中包含的循环数量平均是基础模型的5倍，其思维探索的广度（图直径）也显著更大。

这就像一个极度谨慎、有“洁癖”的学霸。为了确保答案100%正确，他会反复检查自己的每一步推导，探索每一个可能的陷阱，即便面对的是一道“1+1”级别的简单问题。这种思考方式保证了极高的可靠性，但代价是牺牲了巨大的效率。真实世界用户的反馈也印证了这一点，在Reddit社区的讨论[4]中，用户普遍认为R1模型“在思考阶段花费更多时间”，导致响应延迟，甚至有评测[5]直接指出了其“冗长输出”的问题。

但“循环”并非总是好事。当它变成无意义的空转时，就从“谨慎”滑向了“病态”。论文就发现，14B参数版本的模型在推理中出现了“语言混淆”的现象——在不同语言之间来回切换。这表明，过多的、无效的循环，已经成为了一种需要被“治疗”的真正缺陷。

诊断报告二：“欠思考”——效率陷阱下的思维捷径

• 病症名称:启发式捷径依赖症 (Heuristic-Shortcut Underthinking)——这是一种为了追求极致的响应速度，而倾向于采用思维捷径的模式。

• 典型模型:o1-mini及部分追求极致响应速度的模型

与“过度思考”相对的，是“欠思考”。当你觉得一个AI“反应快但不过脑子”时，你可能正在与一个“启发式捷径依赖症”患者打交道。

需要明确的是，原论文并未直接对o1模型进行“推理图”分析。但基于海量的公开报告和我们的用户体验，我们可以构建一个合理的“反向诊断”：o1系列模型的推理图，很可能呈现出一种“线性、短直径、少循环”的特征。

这背后的诊断逻辑是清晰的。一篇名为《Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs》[6]的学术研究，直接将矛头指向了这种现象，指出o1这类模型倾向于在不同的推理思路间频繁切换，而没有充分探索真正有希望的路径。

这种“思维捷径”在第三方独立评测中暴露无遗。在一个名为SimpleBench的常识推理测试中——这个测试专门用于评估模型是否具备人类的基本常识——人类的平均成功率是83.7%，而o1-preview的得分仅有惨淡的41.7%。正如一篇GeekWire的分析文章[7]所言，这一巨大差距表明其在类人常识推理方面存在根本性缺陷。在广为流传的“弹珠包谜题”[8]中，o1也因无法正确处理语言逻辑而给出错误答案。

这就像一个极其依赖直觉（启发式）的“快枪手”。他追求用最快的速度给出那个“看上去很美”的答案。这背后，正是其“效率优先”的设计哲学。正如OpenAI官方所强调的[9]，o1的设计理念是“花更多时间思考”，但这种“慢思考”似乎更多地体现在了计算时间的延长上，而非思维深度的拓展上。在面对需要审视和修正的复杂逻辑时，它为了效率而牺牲了可靠性，最终陷入了“欠思考”的陷阱。

归根结底，我们诊断的并非AI的bug，而是它被赋予的“世界观”——是选择不计成本的绝对严谨，还是效率至上的快速迭代。

从“诊断”到“治疗”：这不只是问题，更是通往下一代AI的路线图

揭示病因的目的，是为了治愈。幸运的是，“推理图”这把手术刀不仅能做诊断，还能指导“靶向治疗”。AI训练，正在从过去的“大水漫灌”，走向未来的“精准调理”。

《推理的拓扑学》论文就进行了一次漂亮的“临床试验”。研究人员用一个名为“s1”的高质量微调数据集，对一个基础模型进行“靶向治疗”。结果显示，经过训练，模型的推理图直径被显著“拉长”了，这直接证明了高质量的数据可以有效“治疗”欠思考，提升模型的思维探索能力。

方法

效果

含义

SFT with s1 Dataset增大图直径定向提升思维探索广度Reinforcement Learning (RLHF)优化奖励过程鼓励更优的思维结构High-Quality Datasets (LIMO)激活已有能力用少量“认知模板”唤醒推理潜能
上表：几种提升AI推理能力的“治疗方案”

这只是一个开始。放眼整个行业，更前沿的“治疗方案”正在涌现。研究者们正在探索通过强化学习（如DPO[10]或过程监督[11]）来奖励那些具有更优“思维结构”的模型。同时，以LIMO数据集[12]为代表的新一代训练数据，秉持着“少即是多”的理念，用几百个精心设计的“认知模板”就能激活模型深层的推理能力。这些都预示着，未来我们可以像配药一样，精准地塑造AI的思考方式。

那么，在“完美AI”诞生之前，我们这些用户该怎么办？

答案是：成为一个善用“偏科”AI的高手。

理解了这些模型的“认知偏差”，我们就能扬长避短，把它们用到最合适的地方。一份来自专业写作者的用户研究[13]就显示，他们会根据不同的创作阶段选择不同的AI工具。而针对程序员的调研[14]也表明，开发者们正在开发复杂的工作流，将不同模型的优势整合起来。

我们可以借鉴这种智慧，形成自己的“AI使用手册”：

• 当你需要【严谨与可靠】时，比如写代码、做科学计算、审阅法律合同，请毫不犹豫地选择那些“过度思考”的AI。把它当成你最不知疲倦、甚至有点强迫症的专业助理。

• 当你需要【效率与灵感】时，比如进行头脑风暴、构思营销文案、寻找创意突破，不妨试试那些“欠思考”的AI。它那看似不靠谱的思维跳跃，有时反而能给你带来意想不到的惊喜（Serendipity）。

这项来自东京大学和DeepMind的研究，其真正的价值，远不止于诊断了几个模型的“毛病”。它给了我们一个全新的“镜头”和一套科学的“语言”，让我们得以谈论、度量和干预AI的“思维品质”。

“推理图”让我们从AI的“驯兽师”，第一次有机会成为它的“脑科医生”。

我们正处在一个历史性的转折点。正如AI教父Geoffrey Hinton和Yoshua Bengio所强调的[15]，AI领域正在从纯粹追求性能的“黑箱”工程，转向深入理解其内部机制的科学探索。有研究者将这个新领域称为“机制化可解释性”或“AI神经科学”[16]。

这个转变的意义是深远的。我们正在从一个只能在外部观察AI行为的“心理学家”，逐步转变为一个能够探究其内部心智结构的“神经科学家”。

今天我们诊断AI的“认知病”，正是为了明天能创造出更健康、更强大、也更值得我们信赖的超级智能。而我们每一个人，都是这场伟大变革的见证者和参与者。

那么，在你日常的使用中，你更偏爱“过度思考”的严谨，还是“欠思考”的效率？你还观察到AI有哪些有趣的“认知偏差”？

欢迎在评论区分享你的洞察。

参考资料

DeepSeek-R1系列: https://huggingface.co/deepseek-ai/deepseek-coder-6.7b-instruct

《推理的拓扑学》: https://arxiv.org/abs/2506.05744v2

Topology of Reasoning: https://arxiv.org/abs/2506.05744v2

Reddit社区的讨论: https://www.reddit.com/r/LocalLLaMA/comments/1i8rujw/notes_on_deepseek_r1_just_how_good_it_is_compared/

[5]

评测: https://blog.promptlayer.com/openai-vs-deepseek-an-analysis-of-r1-and-o1-models/

[6]

《Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs》: https://arxiv.org/pdf/2501.18585.pdf

[7]

GeekWire的分析文章: https://www.geekwire.com/2024/buyer-beware-openais-o1-large-language-model-is-an-entirely-different-beast/

[8]

“弹珠包谜题”: https://www.ccn.com/news/technology/openai-o1-complex-reasoning/

[9]

OpenAI官方所强调的: https://openai.com/index/introducing-openai-o1-preview/

[10]

DPO: https://www.superannotate.com/blog/direct-preference-optimization-dpo

[11]

过程监督: https://arxiv.org/abs/2410.09671

[12]

LIMO数据集: http://arxiv.org/pdf/2502.03387.pdf

[13]

专业写作者的用户研究: https://arxiv.org/html/2310.12953v3

[14]

针对程序员的调研: https://arxiv.org/pdf/2312.15223.pdf

[15]

Geoffrey Hinton和Yoshua Bengio所强调的: https://www.youtube.com/watch?v=G5c4CqmlEWs

[16]

“机制化可解释性”或“AI神经科学”: https://arxiv.org/html/2501.16496v1