一句话总结

来自北京大学、北京交通大学、QuantaAlpha 等机构的研究人员提出了“思维链”（Chain of Mindset, CoM），这是一种无需训练的框架，能够在推理过程中动态选择四种认知思维模式，在关键基准测试中性能优于基线模型近 5%，同时保持高效，推动大语言模型的问题解决能力超越固定模式方法。

主要贡献

• 我们发现当前大语言模型推理的一个关键限制：尽管人类解决问题时需要在空间、收敛、发散和算法等不同认知模式间动态切换，但现有方法在所有推理步骤中依赖单一固定思维模式。
• 我们提出了“思维链”（CoM），一种无需训练的代理框架，通过元代理（Meta-Agent）在每一步推理中动态选择最优思维模式，并利用双向上下文门（Context Gate）控制模块间信息流，以保持效率和有效性。
• CoM 在六个不同基准测试中取得最先进成果，相较于最强基线模型，在 Qwen3-VL-32B-Instruct 和 Gemini-2.0-Flash 上整体准确率分别提升 4.96% 和 4.72%，且无需重新训练模型，保持计算效率。

引言

作者借鉴认知科学，解决大语言模型推理中的一个关键限制：当前方法在所有推理步骤中使用单一固定思维模式，而人类解决问题时会动态切换不同认知模式。以往方法要么将模型锁定在单一策略，要么在任务开始时选择静态方法，无法随子任务需求变化而自适应调整。他们的主要贡献是“思维链”（CoM），一种无需训练的代理框架，通过元代理在每一步推理中动态协调四种功能不同的思维模式——空间、收敛、发散和算法思维。双向上下文门过滤信息流，保持效率并减少干扰，实现无需重新训练的状态依赖切换。CoM 在六个基准测试中取得最先进成果，性能最高优于基线模型达 4.96%，并跨模型泛化，保持计算效率。

数据集

• 作者在四个类别的六个基准测试上评估 CoM，数据来源于近期学术数据集和竞赛。

• 数学推理包括：

  • AIME 2025：30 道涵盖代数、几何、组合和数论的问题。
  • Real-Fermi：557 道费米估算问题，需进行数量级推理。

• 代码生成使用 LiveCodeBench：182 道来自 LeetCode、AtCoder 和 CodeForces（2025 年 1 月至 5 月）的编程题，分为 45 道简单题、55 道中等题和 82 道难题。

• 科学问答采用 GPQA-Diamond：精选 198 道博士级别物理、化学和生物问题，因非专家准确率仅约 30%。

• 多模态推理包括：

  • MathVision-Mini：152 道需先解读图表再进行符号求解的多模态数学题。
  • MAZE：200 道由 maze-dataset 生成的迷宫导航任务，模型需在迷宫图像上执行给定动作序列后预测最终位置。

• 这些基准测试未使用任何训练数据，仅用于评估。所有数据集均按其原作者指定的形式或最小过滤后使用，未提及对测试集进行裁剪或元数据构建。

方法

作者采用一种三层解耦架构“思维链”（CoM），使大语言模型实现动态多模态推理。该框架将元认知协调与具体执行分离，使系统可根据中间进展和语义上下文在功能异构的推理范式（称为“思维模式”）间切换。核心组件包括元代理、四个专用思维模块，以及双向上下文门，后者调节信息流以防止上下文污染。

元代理作为中央控制器，负责生成认知决策，决定每一步调用哪种思维模式。它在迭代的“计划-调用-内化”循环中运作：给定当前状态 $s_t = (q, \mathcal{H}_{<t})$st​=(q,H<t​)，它通过策略 $\pi$π 选择思维模式 $m_t$mt​，分派相应调用 $c_t$ct​，接收输出与洞察，并内化洞察以可能修订其计划。这使系统在复杂推理轨迹中实现自我修正和自适应重规划。

如下图所示，该框架在每一步动态选择最优认知模式，与静态策略选择或单模式推理形成对比。四种思维模式——算法、空间、收敛和发散——各自封装不同认知策略，并在隔离上下文中运行。算法思维模式通过生成-执行-修复循环处理精确计算，最多迭代 $N_{\max} = 2$Nmax​=2 次以修复代码错误：

$$\left( \rho _ { i + 1 } , r _ { \mathrm { a l g o } } \right) = \left\{ \begin{array} { l l } { \left( \rho _ { i } , \mathsf { E X E C } ( \rho _ { i } ) \right) } & { \mathrm { i f ~ e x e c u t i o n ~ s u c c e e d s } } \\ { \left( \mathsf { F I X } ( \rho _ { i } , \epsilon _ { i } ) , \bot \right) } & { \mathrm { i f ~ e r r o r ~ } \epsilon _ { i } \land i < N _ { \operatorname* { m a x } } } \\ { \left( \rho _ { i } , \epsilon _ { i } \right) } & { \mathrm { o t h e r w i s e } } \end{array} \right.$$(ρi+1​,ralgo​)=⎩⎨⎧​(ρi​,EXEC(ρi​))(FIX(ρi​,ϵi​),⊥)(ρi​,ϵi​)​if execution succeedsif error ϵi​∧i<Nmax​otherwise​

空间思维模式通过 Nano-Banana-Pro 生成或编辑图像，连接抽象逻辑与视觉直觉，支持三种模式：文本→图像、图像+文本→图像、代码→图像。生成的产物注册唯一标识符（如 [GEN_001]）以便后续引用。收敛思维模式基于既定事实进行聚焦、深入推理，生成完整逻辑推导。发散思维模式通过生成 $k \in [2,5]$k∈[2,5] 个候选解分支打破僵局，各分支并行分析，结果返回元代理进行审议。

为解决模块化推理中的相关性-冗余性权衡问题，上下文门实现双向语义过滤。输入门从完整历史 $\mathcal{H}$H 中提取最小充分上下文子集 $\mathcal{H}_{\text{rel}}$Hrel​ 和相关图像 $\mathcal{I}_{\text{ini}}$Iini​，以调用指令 $c$c 作为语义锚点：

$$( \mathcal { H } _ { \mathrm { r e l } } , \mathcal { I } _ { \mathrm { i n i } } ) = G _ { \mathrm { i n } } ( \mathcal { H } , c , M , \mathcal { I } )$$(Hrel​,Iini​)=Gin​(H,c,M,I)

输出门将冗长的思维模式输出 $r$r 提炼为与指令目标对齐的简洁摘要 $O_{\text{sum}}$Osum​：

$$O _ { \mathrm { s u m } } = G _ { \mathrm { o u t } } ( r , c , \mathcal { I } _ { \mathrm { n e w } } )$$Osum​=Gout​(r,c,Inew​)

这确保了双向高信息密度，使系统在隔离的思维模式环境中高效执行，同时保持主推理链的紧凑性。元代理内化这些提炼后的洞察，指导后续决策，形成能够动态适应的闭环认知架构。

实验

• CoM 在复杂推理中展示自适应思维切换，使用空间思维进行视觉锚定，收敛思维解决歧义，算法思维进行精确计算。
• 它在多个基准测试中优于基线模型，在需要灵活策略适应的任务（如费米估算和空间推理）上表现最强。
• 消融研究证实上下文门对协调至关重要，而发散和空间思维模式分别驱动数学和视觉任务的性能。
• CoM 以适度计算成本实现最先进准确率，位于准确率-效率权衡的帕累托前沿。
• 思维模式调用模式揭示任务特定协作：费米和代码任务偏好算法-收敛组合，而多模态任务严重依赖空间推理。
• 动态重规划是其核心优势——CoM 根据中间洞察在过程中修订策略，比静态元推理方法更高效地解决问题。

作者使用 CoM 在推理过程中动态切换认知思维模式，在多个基准测试中实现最高整体准确率，根据问题上下文自适应调整策略。结果表明，移除上下文门或发散思维模式等关键组件会显著降低性能，证实协调的自适应推理对复杂任务至关重要。CoM 还通过每项任务仅调用必要思维模式实现效率提升，在准确率与计算成本间取得平衡。

作者使用 CoM 在推理过程中动态切换认知思维模式，在多个基准测试中相比直接和元推理基线实现最高整体准确率。结果表明，CoM 在需要灵活策略适应的任务（如数学推理和多模态空间问题）上尤其出色，同时保持令牌使用的效率。该框架的优势在于根据问题上下文协调专用推理模式——如算法模式用于计算、空间模式用于可视化——而非依赖固定或统一策略。

作者使用 CoM 在推理过程中动态切换认知思维模式，在多个基准测试中相比直接和元推理基线实现最高整体准确率。结果表明，CoM 在需要灵活策略适应的任务（如数学推理和多模态空间问题）上尤其出色，同时保持令牌使用的效率。该方法的优势在于根据问题上下文协调专用推理模式——如算法模式用于计算、空间模式用于可视化——而非依赖固定或统一策略。

作者根据问题需求使用 CoM 动态切换认知思维模式——发散、收敛、算法和空间——大多数任务调用多种思维模式以实现最优推理。结果表明，算法和收敛思维模式整体最常被激活，而空间思维对 MAZE 和 MathVision 等视觉任务至关重要，发散思维在 AIME25 等数学推理中发挥关键作用。多思维模式协作实现自适应问题解决，59.7% 的问题需要至少两种不同模式才能有效解决。