想得越久越理性？· 推理剂量-反应实验室
请求上限 ≠ 实际思考量——把「剂量」定义拧一拧，同一份数据能读出三种结论
🧠
给模型更多思考预算，它就更理性吗？
30 条 vignette × 4 档思考上限 × 4 个模型家族 （每个推理模型配一个同门非推理对照）= 12,350 次 API 调用。 结论是：推理模型并不比同门非推理模型偏见更少， 而且偏见幅度不随实际思考量可靠下降——没有一条斜率为显著负。 本页最想讲的那句藏在方法里：「请求的上限」不等于「实际想了多久」。
📖 论文值（arXiv:2610.10049 摘要逐字转录）🧮 本站真算（OLS / 蒙特卡洛 / t 检验，浏览器内跑）⚠️ 教学模拟（vignette 与剂量-应答曲线形状是本站设定）· 快照日 2026-10-24
论文的两个结论（摘要逐字）📖
推理 vs 同门非推理
+0.031
点估计朝「推理模型更偏」方向
条目级合并对比
t(29) = 1.45
p = 0.157（不可靠）
剂量-反应斜率
0 / 6
没有任何一条斜率显著为负
API 调用总数
12,350
30 vignette × 4 档上限 × 7 模型
“Because a requested ceiling is not the same as realized deliberation, we use the reasoning tokens each call consumed as the dose.”
请求上限不等于实际思考量，所以我们用每次调用实际消耗的推理 token 当剂量。
⭐ 这才是这篇论文的方法论题眼。「想多久」如果按你要求的上限来算，会系统性高估剂量—— 模型经常想不满。下面这张图把两种剂量的落差直接画出来。
两条曲线：同一个实验，两种「剂量」定义⚠️
30 条 vignette × 4 档请求上限 × 7 个模型 = 840 次调用的⚠️教学模拟（曲线形状是本站设定，只有上面的头条数字是 📖）。
8192 tokens
该档实际平均思考量
4860tok
请求 8192
请求但未用掉
40.7%
请求上限 ≠ 实际思考量
斜率 · 按请求上限
0.00160
t = 0.55 · p = 0.583
斜率 · 按实际消耗
0.01163
t = 2.72 · p = 0.007
两条斜率差 7.3 倍。用「请求上限」当剂量时，最高档被放在 x = 8192；用「实际消耗」时同一批调用只落在 x ≈ 4860。剂量被系统性高估，曲线被拉平——这就是为什么「想得越久偏见越少」这类结论特别容易做出来。
⚠️ 别把这张图当成论文结果。vignette 的难度分布、难度→偏见系数（β₂ = 0.35）、 每类的剂量斜率都是本站设定。真实数据里论文说的是：「没有任何一条斜率显著为负」——也就是说，长思考既没证明能减少偏见，本页的正斜率也只是教学演示。 想看符号是怎么被拧反的，去 Tab2。
逐偏见拟合：论文的收尾建议就是「bias by bias 审计」🧮
每类 5 条 vignette × 4 档 × 7 模型 = 140 次调用， 对「偏见幅度 ~ 实际剂量」做一次 OLS（⚠️ 教学数据，🧮 OLS 真算）。
| 偏见 | 平均幅度 | 剂量斜率 | t | p | 显著为负？ |
|---|---|---|---|---|---|
| 锚定效应 | 0.805 | +0.00462 | 0.54 | 0.589 | 否 |
| 框架效应 | 0.598 | +0.00225 | 0.26 | 0.798 | 否 |
| 损失厌恶 | 0.535 | +0.02407 | 2.39 | 0.018 | 否 |
| 承诺升级 | 0.534 | +0.00549 | 0.74 | 0.459 | 否 |
| 确认偏误 | 0.571 | +0.01962 | 2.24 | 0.027 | 否 |
| 可得性启发 | 0.276 | -0.00393 | -0.49 | 0.621 | 否 |
与论文一致的部分：没有任何一条斜率显著为负——长思考不能宣称减少任何一类偏见。与论文不同：本页教学数据里几类偏见的点估计为正（朝远离人类的方向漂）， 论文的原话是「where anything moves it is the signed score drifting further from the human direction」—— 方向一致，但论文强调这些都不可靠。
换一个随机种子重跑：mulberry32 可复现，同一 seed 永远得到同一张图
📄 一手源
The Long Road to the Same Answer: Cognitive Bias Under Escalating Reasoning Budgets in Large Language Models
[v1] 2026-10-07 · Kraishan, Obada
回源记录：本页所有带 📖 的数字均来自 abs 页摘要，标题已与
citation_title 逐字比对。摘要里没有的（ICC、条目级原始分、复述指令的效应量与 CI）本站一律留白，不补数。未调用任何模型。vignette、剂量、偏见幅度全部是 ⚠️ 教学模拟（mulberry32 种子可复现）； OLS、蒙特卡洛、t 检验、遗漏变量偏误解析式是 🧮 浏览器内真算。