Meta 在 AI 推理领域再次实现突破，找到了让大模型“思考更高效”的新方法。

最新研究显示，Meta 团队开发出一种机制，能够帮助大型语言模型总结反复使用的推理过程，并将其转化为简洁指令——称为“行为(Behavior)”。

这项研究成果以《元认知复用：将重复的LLM推理转化为简洁行为》为题，于2025年9月17日由Meta与普林斯顿大学、蒙特利尔大学联合发表。

论文作者包括Aniket Didolkar、Nicolas Ballas、Anirudh Goyal和Sanjeev Arora。

论文链接：https://arxiv.org/abs/2509.13237

该方法的核心在于让大语言模型在完成推理后，能够识别并保存重复使用的计算步骤，形成简明的操作指南。

当遇到相似问题时，模型可以直接调用这些预设行为，无需重复推导过程。

实际测试结果令人惊喜。

在数学推理任务中，该机制使模型在保持准确率不变的情况下，推理所需的token数量最多降低了46%。

这意味着模型用不到一半的思考量，就能得出同样准确的答案。

研究团队将这一机制形象地描述为“思维缓存”，让模型学会记住自己的思考方式。

思维手册：AI的“行为记忆术”

“元认知复用”框架示意图

Meta 将这套系统命名为“行为手册”。

模型在解决问题时，会完整记录整个推理流程。

随后进行复盘分析，识别出常用的解题技巧，如“容斥原理”“分母有理化”“代入后化简”等。

模型会为这些技巧命名并编写说明，形成标准化的行为指令。

这些行为被收录在不断丰富的手册中，供后续调用。

研究将这一过程称为“元认知路径”，即模型对自己的思考方式进行反思和优化。

例如处理掷骰子概率问题时，模型可以直接调用behavior_total_outcomes（计算总可能结果）和behavior_inclusion_exclusion（应用容斥原理避免重复计数）等预设行为。

调用后即可快速得出答案，无需赘述推导过程。

每个行为都是一段高度压缩的思维过程，将原本需要数十步的推理浓缩为简洁指令。

实验数据显示，在MATH数据集上，行为调节推理使模型平均减少近一半的推理token；在AIME–24/25高难度数学题中，即使在有限的token预算（2048–8192）下，模型仍能保持稳定的准确率。

自我优化：像人类一样“节约思考”

传统大模型常被批评“过于啰嗦”——每解决一个问题都要完整展开所有中间步骤的思考链。

这不仅消耗大量token资源，也降低了模型的处理效率。Meta的新方法让模型学会自我反思、提炼精华、简化表达。

行为提取提示设计示意图

研究团队设计了三种工作模式：

首先是“行为调节推理”模式。模型从手册中调用相关行为提示来指导解题过程。结果显示，这种方法节省了46%的token使用量，同时准确率还有所提升。

其次是“行为引导自我改进”模式。模型使用自己总结的行为来优化后续推理。实践表明，这种方法的正确率比常规的“自我批改”提高了10%。

最后是“行为调节监督微调”模式。研究者使用带有行为提示的推理数据来训练学生模型，结果显示这些模型比传统微调版本表现更出色、效率更高。

实验采用R1-Llama-70B作为“元认知策略师”，并在Qwen3-32B、Llama-3.1-8B等多个学生模型上进行验证。

所有测试模型都表现出相同趋势：推理token数量显著下降，而性能保持稳定。

研究者将这一现象描述为：“模型从缓慢推导转变为快速反应。”它不再每次都重新构建思维过程，而是像人类一样，学会了利用经验来优化思考效率。