马普所新论文：开启推理后不同大模型更趋同，连错误也一致

马克斯·普朗克研究所的新论文在 9 个 Qwen 与 GPT 模型、3 个基于美国人口普查数据的预测任务上对比推理开关状态，发现开启推理后模型间一致性上升，但全部 9 个模型同时答错的人群比例也上升 2.0 至 2.4 个百分点。对推理链最长的样本，校正后一致性降至约 0.31 至 0.39。作者提醒，多模型集成投票的纠错前提是错误不相关，而推理可能让错误变得更相关。