這項(xiàng)由威斯康星大學(xué)麥迪遜分校與威廉瑪麗學(xué)院聯(lián)合開展的研究發(fā)表于2026年2月，論文編號為arXiv:2602.07796v1。有興趣深入了解的讀者可以通過該編號查詢完整論文。

當(dāng)我們與智能助手對話時(shí)，是否注意到有些AI顯得特別"內(nèi)向"？它們雖然能解決問題，但總是惜字如金，不愿多說幾句話來幫助我們更好地理解情況。威斯康星大學(xué)麥迪遜分校的研究團(tuán)隊(duì)最近發(fā)現(xiàn)了一個(gè)令人意外的現(xiàn)象：那些被訓(xùn)練得"更會思考"的AI助手，在與用戶交流時(shí)反而變得更加沉默寡言，就像社交恐懼癥患者一樣不愿意主動分享信息。

這個(gè)發(fā)現(xiàn)顛覆了我們的常識。按理說，一個(gè)思考能力更強(qiáng)的AI應(yīng)該能夠提供更好的服務(wù)，就像一個(gè)經(jīng)驗(yàn)豐富的顧問能夠給出更周全的建議一樣。但現(xiàn)實(shí)卻恰恰相反——那些具備"思考"能力的AI在實(shí)際工作中表現(xiàn)得更糟糕，特別是在需要與用戶互動的場景中。

研究團(tuán)隊(duì)通過對七種不同的大型語言模型進(jìn)行全面測試，發(fā)現(xiàn)了這個(gè)普遍存在的問題。他們測試的模型包括了目前最先進(jìn)的GPT系列、谷歌的Gemini，以及一些開源模型。測試場景涵蓋了在線購物助手、航空訂票系統(tǒng)和手機(jī)助手等日常生活中常見的AI應(yīng)用。

結(jié)果令人震驚：幾乎所有經(jīng)過"思考訓(xùn)練"的AI都出現(xiàn)了同樣的問題——它們變得不愛說話，不愿意主動向用戶透露重要信息。就像一個(gè)過度內(nèi)向的店員，雖然能夠完成基本工作，但總是忘記告訴顧客一些關(guān)鍵細(xì)節(jié)，最終導(dǎo)致服務(wù)體驗(yàn)變差。

一、AI的兩種"思考"方式：內(nèi)心獨(dú)白還是公開表達(dá)？

為了理解這個(gè)問題，我們首先需要了解AI是如何"思考"的。研究團(tuán)隊(duì)發(fā)現(xiàn)，目前主要有兩種讓AI進(jìn)行思考的方式，就像人類有時(shí)會在心里默念，有時(shí)會自言自語一樣。

第一種方式被稱為"思考即功能"，類似于AI在每次行動前都要先在心里默默盤算一番。就像一個(gè)謹(jǐn)慎的司機(jī)在變道前會先檢查后視鏡、打轉(zhuǎn)向燈、觀察周圍情況一樣，這種AI在執(zhí)行任何操作前都會先調(diào)用一個(gè)專門的"思考功能"來分析當(dāng)前狀況。

第二種方式叫做"思考即前綴"，更像是AI的自言自語。它會在回應(yīng)用戶之前先說出自己的思考過程，比如"讓我想想...首先需要考慮這個(gè)，然后要注意那個(gè)..."這種方式讓思考過程變得更加顯式和結(jié)構(gòu)化。

研究團(tuán)隊(duì)在多個(gè)真實(shí)場景中測試了這兩種思考方式。他們設(shè)計(jì)了三個(gè)典型的用戶服務(wù)場景：一個(gè)是在線購物平臺的客服助手，需要幫助顧客處理退換貨問題；另一個(gè)是航空公司的訂票系統(tǒng)，需要協(xié)助乘客預(yù)訂或修改航班；第三個(gè)是智能手機(jī)助手，需要幫助用戶設(shè)置提醒和查詢信息。

在每個(gè)場景中，研究人員都讓AI處理同樣的任務(wù)，但一組AI具備思考能力，另一組則沒有。他們使用了業(yè)界標(biāo)準(zhǔn)的評估方法，既看AI是否能最終完成任務(wù)，也觀察整個(gè)服務(wù)過程是否流暢。

二、令人困惑的發(fā)現(xiàn)：思考越多，表現(xiàn)越差

實(shí)驗(yàn)結(jié)果完全出乎意料。在幾乎所有測試場景中，那些具備思考能力的AI表現(xiàn)都比普通AI更差。這就像是給一個(gè)本來工作得很好的員工額外培訓(xùn)了思維技巧，結(jié)果卻發(fā)現(xiàn)他的工作效率反而下降了。

具體來說，在購物助手的測試中，普通的GPT-5模型成功率達(dá)到了75.22%，而經(jīng)過思考訓(xùn)練的版本成功率卻降到了73.21%。更令人震驚的是谷歌的Gemini-2.5-Pro模型，普通版本的成功率為67.83%，但思考版本竟然暴跌到37.43%，下降了整整30個(gè)百分點(diǎn)。

在航空訂票系統(tǒng)中，這種現(xiàn)象同樣明顯。幾乎所有模型在啟用思考功能后，成功完成訂票任務(wù)的比例都出現(xiàn)了顯著下降。有些模型的表現(xiàn)下降幅度甚至超過了三分之一，這在實(shí)際商業(yè)應(yīng)用中是完全無法接受的。

這個(gè)現(xiàn)象不僅僅出現(xiàn)在某一個(gè)特定品牌的AI身上，而是一個(gè)普遍存在的問題。無論是OpenAI的GPT系列、谷歌的Gemini，還是其他公司開發(fā)的開源模型，都出現(xiàn)了同樣的表現(xiàn)下降。這說明問題的根源不在于某個(gè)特定的技術(shù)實(shí)現(xiàn)，而是"思考訓(xùn)練"這個(gè)概念本身存在著某種根本性的缺陷。

更有趣的是，研究團(tuán)隊(duì)發(fā)現(xiàn)這種表現(xiàn)下降不是隨機(jī)的，而是系統(tǒng)性的。也就是說，這不是偶然的技術(shù)故障，而是一種可以預(yù)測和重復(fù)出現(xiàn)的現(xiàn)象。這為研究團(tuán)隊(duì)深入探究問題根源提供了重要線索。

三、揭開謎底：AI變成了"話少"的內(nèi)向員工

為了找出問題的根源，研究團(tuán)隊(duì)決定深入分析AI的行為模式。他們就像心理學(xué)家觀察患者行為一樣，仔細(xì)記錄了AI在處理任務(wù)時(shí)的每一個(gè)細(xì)節(jié)。

結(jié)果發(fā)現(xiàn)了一個(gè)關(guān)鍵問題：那些經(jīng)過思考訓(xùn)練的AI變得異常"內(nèi)向"。它們的回復(fù)變得更短，提供的信息更少，就像一個(gè)原本健談的服務(wù)員突然變得沉默寡言。

研究人員通過數(shù)據(jù)分析發(fā)現(xiàn)，普通AI平均每次回復(fù)包含約120-160個(gè)詞匯，而經(jīng)過思考訓(xùn)練的AI回復(fù)長度普遍縮短到80-120個(gè)詞匯。更重要的是，這種縮短并不是簡單的文字精簡，而是信息內(nèi)容的實(shí)質(zhì)性減少。

為了更精確地分析這種變化，研究團(tuán)隊(duì)開發(fā)了一套獨(dú)特的分析方法。他們將AI的每一句回復(fù)都拆分成最基本的信息單元，然后將這些單元分為兩大類：信息披露和用戶互動請求。

信息披露就像服務(wù)員主動告訴顧客"今天有特價(jià)菜品"或"這道菜需要等待20分鐘"，是AI主動提供有用信息的行為。用戶互動請求則像服務(wù)員問"您還需要什么嗎？"或"您對辣度有特殊要求嗎？"，是引導(dǎo)用戶進(jìn)一步交流的行為。

分析結(jié)果顯示，經(jīng)過思考訓(xùn)練的AI在信息披露方面表現(xiàn)出了顯著的退化。平均而言，普通AI每次對話會主動披露25-35條有用信息，而思考版本的AI只提供15-25條信息。這意味著用戶從AI那里獲得的有用信息減少了約30%。

這種信息披露的減少不是均勻分布的，而是在某些關(guān)鍵環(huán)節(jié)特別明顯。比如，當(dāng)用戶詢問退貨政策時(shí)，普通AI會詳細(xì)說明退貨條件、時(shí)間限制、費(fèi)用承擔(dān)等各方面信息，而思考版本的AI往往只給出最基本的回答，遺漏許多重要細(xì)節(jié)。

四、真實(shí)案例：一個(gè)典型的"內(nèi)向AI"如何搞砸服務(wù)

為了更直觀地展示這個(gè)問題，研究團(tuán)隊(duì)詳細(xì)分析了一個(gè)典型案例。在這個(gè)案例中，一名顧客想要退回幾件商品，同時(shí)取消一個(gè)剛下的訂單。

當(dāng)顧客聯(lián)系普通AI客服時(shí)，AI會主動說明："您想要單獨(dú)取消園藝水管的訂單，但我需要告訴您，這個(gè)訂單包含多個(gè)商品，我只能取消整個(gè)訂單，無法單獨(dú)取消其中一件商品。如果您繼續(xù)操作，整個(gè)訂單都會被取消并退款到您的PayPal賬戶，大約需要5-7個(gè)工作日到賬。您是希望取消整個(gè)訂單，還是保留其他商品？"

這種詳細(xì)的信息披露讓顧客能夠在充分了解情況后做出明智決定。顧客在得知只能整單取消后，選擇保留其他商品，只處理其他商品的退貨，最終任務(wù)順利完成。

但是，當(dāng)同樣的顧客聯(lián)系經(jīng)過思考訓(xùn)練的AI時(shí)，情況就完全不同了。這個(gè)AI雖然也發(fā)現(xiàn)了訂單限制問題，但它在內(nèi)心思考時(shí)就已經(jīng)做出了決定，然后只簡單地告訴顧客："我找到了您的退貨請求和取消園藝水管訂單的要求。請確認(rèn)您想要取消待處理的園藝水管訂單，原因是'不再需要'或'訂購錯誤'。"

注意這里的關(guān)鍵差別：思考版本的AI完全沒有提及"只能整單取消"這個(gè)重要限制。顧客在不知情的情況下確認(rèn)了取消操作，結(jié)果整個(gè)訂單都被取消了，包括顧客原本想要保留的其他商品。這直接導(dǎo)致了任務(wù)失敗。

研究團(tuán)隊(duì)發(fā)現(xiàn)，這種模式在各種場景中反復(fù)出現(xiàn)。思考版本的AI似乎把大量精力用在了內(nèi)心的分析推理上，但卻忽略了與用戶的充分溝通。它們就像那些過度內(nèi)向的員工，雖然工作能力不差，但總是忘記及時(shí)與同事或客戶分享重要信息。

五、更深層的問題：AI的"注意力"被內(nèi)向思考消耗了

通過進(jìn)一步研究，團(tuán)隊(duì)發(fā)現(xiàn)這個(gè)問題的根源可能在于AI的"注意力機(jī)制"。就像人類在專注思考復(fù)雜問題時(shí)可能會忽略周圍環(huán)境一樣，AI在進(jìn)行內(nèi)部推理時(shí)，似乎將過多的計(jì)算資源用于分析處理，而忽略了對外部交流的投入。

研究人員分析了AI的"思考內(nèi)容"，發(fā)現(xiàn)這些思考主要集中在四個(gè)方面：確認(rèn)用戶意圖、總結(jié)數(shù)據(jù)庫信息、規(guī)劃具體行動、和準(zhǔn)備工具調(diào)用。其中，行動規(guī)劃占據(jù)了AI思考內(nèi)容的很大比重，有些模型甚至將一半以上的思考時(shí)間用于規(guī)劃下一步該做什么。

這就像一個(gè)餐廳服務(wù)員花了太多時(shí)間在后廚研究菜譜和準(zhǔn)備流程，卻忘記了及時(shí)向顧客通報(bào)菜品狀況和等待時(shí)間。雖然這種深入思考理論上應(yīng)該提高服務(wù)質(zhì)量，但實(shí)際上卻因?yàn)槿狈皶r(shí)溝通而降低了顧客體驗(yàn)。

特別值得注意的是，不同的思考訓(xùn)練方式會產(chǎn)生不同程度的影響。"思考即功能"的方式相對溫和一些，AI的表現(xiàn)下降幅度較小。而"思考即前綴"的方式影響更為顯著，因?yàn)锳I需要將更多注意力放在構(gòu)建連貫的思考表述上。

研究還發(fā)現(xiàn)，這種現(xiàn)象在不同類型的任務(wù)中表現(xiàn)程度不同。在需要大量信息交換的復(fù)雜任務(wù)中，思考訓(xùn)練的負(fù)面影響更加明顯。而在相對簡單、信息需求較少的任務(wù)中，影響相對較小。

六、解決方案：教AI學(xué)會"主動分享"

面對這個(gè)意外發(fā)現(xiàn)，研究團(tuán)隊(duì)并沒有簡單地建議放棄思考訓(xùn)練，而是探索了解決方案。他們開發(fā)了一種簡單但有效的方法，叫做"信息披露提示"。

這個(gè)方法的核心思想很簡單：在AI的指令中明確要求它"必須主動與用戶互動，盡可能多地披露信息，確保用戶充分了解數(shù)據(jù)庫的當(dāng)前狀態(tài)和任何可能的變化"。就像給內(nèi)向的員工專門培訓(xùn)"主動溝通技巧"一樣。

實(shí)驗(yàn)結(jié)果證明這個(gè)方法非常有效。在購物助手場景中，加入信息披露提示后，GPT-4o的成功率從64.04%提升到66.95%，Gemini-2.5-Pro從67.83%提升到70.43%，DeepSeek-V3.1從73.04%提升到74.78%。

更重要的是，這種改進(jìn)在不同品牌的AI模型上都顯示出了一致的效果，說明這不是針對某個(gè)特定模型的臨時(shí)修復(fù)，而是一個(gè)普遍適用的解決方案。

在航空訂票場景中，信息披露提示同樣發(fā)揮了積極作用。GPT-4o的成功率提升了2個(gè)百分點(diǎn)，DeepSeek-V3.1提升了4個(gè)百分點(diǎn)。雖然提升幅度看起來不大，但在實(shí)際商業(yè)應(yīng)用中，哪怕1%的改進(jìn)都可能意味著數(shù)千名用戶的體驗(yàn)提升。

這個(gè)發(fā)現(xiàn)的意義遠(yuǎn)不止于技術(shù)修復(fù)。它揭示了一個(gè)更深層的設(shè)計(jì)哲學(xué)問題：在開發(fā)用戶導(dǎo)向的AI系統(tǒng)時(shí)，我們不應(yīng)該只關(guān)注AI的內(nèi)在推理能力，還必須同樣重視它的外向表達(dá)能力。

七、對AI發(fā)展的深遠(yuǎn)啟示

這項(xiàng)研究的影響遠(yuǎn)遠(yuǎn)超出了技術(shù)層面。它挑戰(zhàn)了當(dāng)前AI開發(fā)領(lǐng)域的一個(gè)基本假設(shè)：更強(qiáng)的思考能力總是會帶來更好的表現(xiàn)。事實(shí)證明，在用戶交互場景中，過度的內(nèi)向思考可能反而有害。

研究結(jié)果表明，我們需要重新審視AI能力的評估標(biāo)準(zhǔn)。傳統(tǒng)的評估往往關(guān)注AI在封閉環(huán)境中解決標(biāo)準(zhǔn)化問題的能力，比如數(shù)學(xué)計(jì)算或邏輯推理。但在真實(shí)的用戶服務(wù)場景中，溝通能力和信息透明度可能比純粹的推理能力更為重要。

這就像評估一個(gè)醫(yī)生的能力時(shí)，我們不能只看他的診斷準(zhǔn)確性，還要考慮他是否能夠清楚地向患者解釋病情、治療方案和注意事項(xiàng)。一個(gè)診斷精準(zhǔn)但溝通不暢的醫(yī)生，在實(shí)際工作中的效果可能還不如一個(gè)稍微遜色但善于溝通的醫(yī)生。

研究還揭示了AI訓(xùn)練中的一個(gè)重要盲區(qū)。目前大多數(shù)AI訓(xùn)練都是基于"輸入-輸出"的模式，關(guān)注的是給定問題的正確答案。但在真實(shí)的服務(wù)場景中，過程往往比結(jié)果更重要。用戶不僅需要正確的答案，更需要理解為什么是這個(gè)答案，有什么其他選擇，以及可能面臨什么風(fēng)險(xiǎn)。

這種發(fā)現(xiàn)也對AI產(chǎn)品的實(shí)際部署產(chǎn)生了重要啟示。許多公司在推出AI客服或助手產(chǎn)品時(shí)，往往強(qiáng)調(diào)其強(qiáng)大的分析和推理能力。但這項(xiàng)研究提醒我們，在用戶導(dǎo)向的應(yīng)用中，透明度和主動溝通能力可能更為關(guān)鍵。

八、未來研究的新方向

基于這些發(fā)現(xiàn)，研究團(tuán)隊(duì)提出了幾個(gè)值得進(jìn)一步探索的方向。首先是開發(fā)更加平衡的AI訓(xùn)練方法，既要保持強(qiáng)大的推理能力，又要確保良好的溝通表現(xiàn)。這需要在訓(xùn)練過程中同時(shí)優(yōu)化內(nèi)在思考和外在表達(dá)兩個(gè)維度。

其次是建立更全面的AI評估體系。除了傳統(tǒng)的任務(wù)完成度指標(biāo)，還應(yīng)該包括信息透明度、用戶滿意度、交互流暢度等用戶體驗(yàn)相關(guān)的指標(biāo)。這樣才能確保AI在實(shí)際部署時(shí)真正有益于用戶。

研究團(tuán)隊(duì)還指出，這個(gè)發(fā)現(xiàn)可能不僅限于客服類應(yīng)用，在教育、醫(yī)療、法律咨詢等其他需要人機(jī)交互的領(lǐng)域，類似的問題可能同樣存在。未來需要在更廣泛的應(yīng)用場景中驗(yàn)證和擴(kuò)展這些發(fā)現(xiàn)。

另一個(gè)有趣的研究方向是探索不同文化背景下用戶對AI溝通風(fēng)格的偏好。在一些文化中，簡潔直接的回應(yīng)可能更受歡迎，而在另一些文化中，詳細(xì)的信息披露可能更重要。這需要考慮如何為不同用戶群體定制AI的交流策略。

說到底，這項(xiàng)研究最重要的價(jià)值在于提醒我們：在AI技術(shù)日益強(qiáng)大的今天，我們不應(yīng)該忽視人機(jī)交互的基本原則。無論AI多么聰明，如果它不能有效地與用戶溝通，那么它的智能就無法真正發(fā)揮作用。就像一個(gè)知識淵博但不善言辭的專家，雖然滿腹經(jīng)綸，但如果無法將知識有效傳達(dá)給需要幫助的人，那么這些知識的價(jià)值就大打折扣了。

這項(xiàng)研究為AI開發(fā)指明了一個(gè)新方向：不僅要讓AI更會思考，更要讓它學(xué)會更好地與人類交流。在追求技術(shù)突破的同時(shí)，我們也要記住技術(shù)最終是為了服務(wù)人類，而服務(wù)的關(guān)鍵往往不在于能力的強(qiáng)弱，而在于溝通的質(zhì)量。

Q&A

Q1：什么是"思考即功能"和"思考即前綴"兩種AI思考方式？

A：這是讓AI進(jìn)行內(nèi)部推理的兩種不同方法。"思考即功能"是讓AI在每次行動前都先調(diào)用專門的思考功能來分析情況，像司機(jī)變道前先檢查各種情況一樣。"思考即前綴"則是讓AI先說出自己的思考過程，比如"讓我想想，首先要考慮這個(gè)..."，然后再給出回應(yīng)。

Q2：為什么具備思考能力的AI反而表現(xiàn)更差？

A：研究發(fā)現(xiàn)思考訓(xùn)練讓AI變得過度"內(nèi)向"，它們將過多注意力用在內(nèi)部分析上，卻減少了與用戶的信息分享。就像一個(gè)員工花太多時(shí)間思考卻忘記及時(shí)溝通重要信息一樣，這些AI雖然推理能力強(qiáng)，但提供給用戶的有用信息卻減少了約30%，導(dǎo)致用戶無法做出正確決策。

Q3：如何解決AI過度內(nèi)向的問題？

A：研究團(tuán)隊(duì)開發(fā)了"信息披露提示"方法，在AI指令中明確要求它必須主動與用戶互動并盡可能多地披露信息。這個(gè)簡單方法在多種AI模型上都顯示出一致的改善效果，能夠有效提升AI的服務(wù)表現(xiàn)，就像給內(nèi)向員工專門培訓(xùn)主動溝通技巧一樣。