看到这个发现，我第一反应是震惊。我们一直以为思维链推理（Chain-of-Thought）能减少偏差，比如让模型一步步思考来避免浅层启发式错误。但资讯中明确提到：在多项选择题问答中，立场偏差竟随推理轨迹长度增加而增大，且这一现象在DeepSeek-R1等推理优化模型中一致存在。这挑战了我们对CoT的信任——更长推理未必更可靠，反而可能强化初始偏见。
从技术角度看，这可能暗示模型的推理过程不是真正的逻辑展开，而是一种路径依赖的“自洽”机制：一旦在早期步骤中锚定某个立场，后续推理更像是在为这个立场找理由，而非客观权衡。我的个人经验是，在调试R1时，我曾发现它对某些政治问题会生成冗长的解释，但最终答案却与初始倾向一致，当时我以为是数据问题，现在看可能是长度驱动偏差的体现。
这让我想到两个问题：第一，我们能否设计一种“推理长度正则化”方法，比如在长链中插入随机扰动来打破路径依赖？第二，如果偏差随长度单调增长，是否意味着我们在应用R1时应该限制推理步数，而非追求更详细的思考？
从行业视野看，这个发现对AI对齐和安全有深远影响。如果长推理反而引入偏差，那么依赖CoT的模型在敏感领域（如医疗、法律）的可靠性将面临质疑。未来可能需要重新评估推理优化模型的评估标准，从单纯关注准确性转向同时监控推理过程中的偏差演化。这或许会催生新的研究方向：如何让推理既深入又中立。