⏶72
Chain of Mindset：利用自适应认知模式进行推理
发表
由 
Zhi Yang 提交
Zhi Yang 提交作者: 
Tianyi Jiang, Arctanx An, Hengyi Feng, Naixin Zhai, Haodong Li, 
Xiaomin Yu, Jiahui Liu, Hanwen Du, Shuo Zhang, Zhi Yang, Jie Huang, Yuhua Li, Yongxin Ni, Huacan Wang, Ronghao Chen
Tianyi Jiang, Arctanx An, Hengyi Feng, Naixin Zhai, Haodong Li, Xiaomin Yu, Jiahui Liu, Hanwen Du, Shuo Zhang, Zhi Yang, Jie Huang, Yuhua Li, Yongxin Ni, Huacan Wang, Ronghao Chen摘要
AI 生成总结
一种名为 Chain of Mindset 的新型免训练框架，通过整合空间、收敛、发散和算法推理方法，为大语言模型实现了步骤级自适应思维编排。人类解决问题绝非单一思维模式（mindset，即一种独特的认知处理模式）的重复。在处理特定任务时，我们不依赖单一思维，而是在单一解决过程中整合多种思维。然而，现有的 LLM 推理方法陷入了一个共同的陷阱：它们在所有步骤中应用相同的固定思维，忽略了解决同一问题的不同阶段需要根本不同的思维模式。这种单一思维的假设阻碍了模型达到更高水平的智能。为了解决这一局限，我们提出了思维链 (Chain of Mindset, CoM)，这是一个无需训练的智能体框架，支持步骤级的自适应思维编排。CoM 将推理分解为四种功能异质的思维模式：空间思维、聚合思维、发散思维和算法思维。元智能体 (Meta-Agent) 根据演进的推理状态动态选择最优思维，而双向上下文门 (Context Gate) 则过滤跨模块信息流以维持有效性和效率。在涵盖数学、代码生成、科学问答和空间推理的六个挑战性基准测试上的实验表明，CoM 达到了最先进的性能，在 Qwen3-VL-32B-Instruct 和 Gemini-2.0-Flash 上的总准确率分别优于最强基准 4.96% 和 4.72%，同时平衡了推理效率。我们的代码已在 https://github.com/QuantaAlpha/chain-of-mindset 公开。
CoM 是一个无需训练的智能体框架，通过元智能体和上下文门动态协调四种步骤级思维模式（空间、收敛、发散、算法），避免了通用型推理，并在各种基准测试中提高了准确性和效率。