Meta AI 推理新论文：模型记住套路，推理 token 砍半

大数据文摘出品

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。

注：头图AI生成

作者长期关注 AI 产业与学术，欢迎对这些方向感兴趣的朋友添加微信Q1yezi，共同交流行业动态与技术趋势！

GPU 训练特惠！

H100/H200 GPU算力按秒计费，平均节省开支30%以上！

扫码了解详情☝

点「赞」的人都变好看了哦！