讓AI用人類看不懂的符號思考，答題一樣準但快12倍

幣界網消息，OneMillion_AI報導，論文「thinking without words」提出abstract-cot方法，通過在模型詞表中引入64個全新的「抽象符號」，這些符號不對應任何人類語言。模型在回答問題前先輸出一小串這種符號作為草稿，直接給出答案，跳過傳統的自然語言推理過程。在math-500數學題實驗中，推理過程的token數量從幾百個壓縮到幾十個，token用量減少最高達11.6倍，答對率保持不變。實驗覆蓋qwen3-8b、qwen3-4b和ibm granite 4.0 micro三個模型家族，效果一致。這64個符號在訓練過程中自發形成類似自然語言的使用規律，少數符號高頻復用，多數符號偶爾出現，分佈曲線與人類語言中的常用詞規律一致。將符號順序打亂後，答題準確率明顯下降，表明模型學會了用這套「密碼」進行有結構的推理。