研究：加大推理预算不能减少LLM认知偏差

arXiv 论文（2610.10049，已被 IEEE CogMI 2026 接收）发现，加大推理预算并不能可靠降低大语言模型的认知偏差。 该研究由 Obada Kraishan 发表，覆盖 30 个情境、六类偏差、四个模型家族，共进行 12350 次 API 调用。结果显示，推理模型并不比同源非推理模型偏差更少，实际消耗的推理 token 增加也不可靠地降低偏差幅度。作者据此称，不应把测试时推理视为理性的保证，主张对部署的模型逐项偏差进行审计。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。