Исследование Google: как «Ох!» и «Подожди-ка» удваивают точность LLM У Google вышла неожиданно сильная и почти философская работа о том, что мы вообще называем «рассуждением» в больших языковых моделях. Ключевая идея: Reinforcement Learning учит модель не думать дольше, а думать коллективнее — через симуляцию внутреннего диалога. Если вы замечали, что «думающая» модель: • задаёт себе вопросы, • сомневается, • делает паузы, • пересобирает позицию, — то это не побочный эффект. Google утверждает: именно эта структура и есть механизм рассуждения. Как они это проверили 1. Нашли конкретный нейронный признак, связанный с: • удивлением, • осознанием, • сменой перспективы. Он стабильно активируется в начале фраз вроде: «О!», «Подожди-ка», «Ага, значит…» 2. Затем этот признак: • усилили во время генерации, • подавили, • и сравнили результаты (эксперимент на DeepSeek-R1-Llama-8B). 3. Результаты на сложных задачах комбинаторной арифметики: • базовая модель — 27.1% • с усилением «диалогового маркера» — 54.8% • с подавлением — 23.8% Эффект статистически значим и чётко выделяется на фоне других нейронных признаков. Более того, рост этого маркера коррелирует с улучшением стратегического мышления, а не просто с болтливостью. Вывод (не самый удобный) LLM, похоже, не столько рассуждают, сколько разыгрывают внутренний совет персонажей: сомневающийся, проверяющий, уточняющий, переосмысливающий. И да — из этого следует практический, слегка ироничный вывод: возможно, стоит попробовать в промпте что-то вроде Используй больше “ах”, “точно”, “ага” — и пересобирай выводы Исследование: arxiv.org/pdf/2601.10825