研究人員發現「思維錨點」在不同模型之間的不相容性

研究人員分析了「思維錨點」（thought anchors）在不同語言模型之間的傳遞效率，在推理鏈（Chain-of-Thought）過程中。實驗表明，某一模型提取的關鍵邏輯步驟，並不能改善另一模型的表現當其被傳遞時。

在測試過程中發現，即使使用相同的提示，邏輯節點，它們幫助特定架構得出正確答案，仍然是特定於其權重的。模型無法有效地解釋他人的「錨點」作為行動指南，除非它們包含有關答案選項的直接提示。

研究結果表明，隱藏的提示只能在推理鏈中明確討論特定選項的情況下傳遞給系統。否則，嘗試從外部引入「錨點」會導致準確性降低或忽略上下文。

這些發現質疑了自動在不同模型之間傳遞邏輯鏈的方法。與其使用通用「錨點」，研究人員建議專注於根據每個模型的特定架構特徵來適應生成算法本身。

這項研究澄清了AI系統的可解釋性界限。了解邏輯結構不是通用的，有助於開發人員更準確地調整Chain-of-Thought過程，以提高複雜多步驟任務中答案的可靠性。