**能力强却更精简：从前沿模型中提取并刻画隐藏思维链**

_Capable yet Parsimonious: Extracting and Characterizing Hidden Chain-of-Thought in Frontier Models_

> 前沿模型推理能力提升显著，但闭源系统的原始思维链（CoT）不可见，难以验证。该研究通过标准 API 注册一个简单的自定义工具，诱导前沿模型将中间推理外显化。为排除事后合理化的可能，作者先在开源模型上与原生 CoT 对比，再扩展到包括 GPT-6 Astra 在内的闭源前沿模型。结果显示，提取出的推理在竞赛数学、科学与代码生成任务上达到原生推理水平，并明显优于无推理基线。研究进一步从 token 效率、推理步骤类型和生成的推理树三个维度刻画模型的推理组织方式，发现 Astra 表现出高 token 效率的定向推理：更早锁定正确路径，在内部完成基础步骤，仅外显关键推理。该工作为超越基准分数理解前沿模型推理提供了行为学视角。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-24 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.26637)