Meta 又一次在 AI 推理上“開了掛”。

一份新論文顯示，Meta 的研究團隊找到一種讓大模型“用更少思維，想得更清楚”的辦法。

這篇論文名為《Metacognitive Reuse: Turning Recurring LLM Reasoning Into Concise Behaviors》，發表于 2025 年 9 月 17 日，來自 Meta 團隊與普林斯頓大學、蒙特利爾大學聯合研究。

作者包括 Aniket Didolkar、Nicolas Ballas、Anirudh Goyal 與 Sanjeev Arora。

論文地址：https://arxiv.org/abs/2509.13237

論文提出一個新機制，讓大語言模型（LLM）能在每次推理后，總結自己重復用到的步驟，并把它們存為簡短指令，稱為“行為（Behavior）”。

下一次遇到類似問題，模型不再重復推，而是直接調用這些“行為”。

效果驚人。

在數學推理任務上，Meta 團隊實測：模型在準確率不下降的前提下，推理所需的 token 數量最多減少 46%。

也就是說，同樣一道題，模型少想一半，卻答得一樣準。

研究團隊稱，這讓模型“學會記得自己怎么思考”，相當于給 LLM 裝上了“思維緩存”。

思維有手冊：AI的“行為記憶術”

“行為復用”（Metacognitive Reuse）框架

Meta 把這個機制叫做“行為手冊（Behavior Handbook）”。

當模型解決問題時，它會記錄下自己的整個推理過程。

然后再回頭反思，分析哪些步驟是常見套路，比如“容斥原理”“有理化分母”“代入后先化簡”。

模型會為這些套路起名、寫說明，變成一條條“行為指令”。

這些指令被收進一本不斷擴充的手冊里。

論文把這種機制稱為“元認知路徑（Metacognitive Pathway）”，意思是模型在“思考自己的思考”。

舉個例子：當模型遇到一道擲骰子概率題，它可能調用behavior_total_outcomes（計算所有可能結果）和 behavior_inclusion_exclusion（用容斥原理避免重復計數）。

調用完就不再多說廢話，答案照出。

所以，每個行為是一段壓縮的思維過程。它把原本要幾十步才能重建的推導，濃縮成一句話。

論文展示了多個實驗結果。在 MATH 數據集上，行為調節推理（Behavior-conditioned Inference）讓模型的推理token平均減少近一半；在 AIME–24/25 高難數學題上，模型在低預算（2048–8192 tokens）下仍保持穩定精度。

自我復盤，像人一樣“省思考”

長期以來，大模型被詬病“啰嗦”：每解一道題，都要展開冗長的 chain-of-thought，把所有中間步驟重新鋪一遍。

這不僅浪費 token，也拉低了模型吞吐量。Meta 讓模型自己反思，自己提煉，自己精簡。

行為提取提示設計

論文設計了三種模式：

第一種，是“行為調節推理”（Behavior-conditioned Inference）。模型從手冊里調出相關行為提示，帶著它們去解題。
結果：少寫46%的token，準確率不降反升。

第二種，是“行為引導自我改進”（Behavior-guided Self-improvement）。模型用自己總結的行為來指導下次推理。
結果：正確率比普通“自我批改”提升10%。

第三種，是“行為調節監督微調”（Behavior-conditioned SFT）。Meta 研究者用帶有行為提示的推理數據去訓練學生模型。
結果：學生模型學會推理，比傳統微調版本更聰明、更高效。

實驗中，Meta 使用了 R1-Llama-70B 作為“元認知策略師”，并測試了 Qwen3-32B、Llama-3.1-8B 等多個學生模型。

幾乎所有模型都出現了相同現象：推理token直線下滑，性能保持平穩。

研究者把這一現象形容為：“模型從慢推導變成快反應。”它不再每次都重寫思維，而是像人一樣，學會了用經驗來省思考。