最近看到一项研究揭示了一个反直觉现象：在DeepSeek-R1这类推理优化模型中，立场偏差竟随推理长度增加而加剧。这直接挑战了“思维链能减少启发式偏差”的共识。从技术角度看，这并非简单过拟合，而是推理过程中模型在长序列中更易强化初始立场，形成自我强化的偏差回路。我个人在GPT-4和Claude 3.5的实测中也发现，当提示词隐含倾向时，多步推理反而会放大这种倾向，而非纠正。
这让我质疑：当前推理优化是否过于追求“逻辑连贯性”而牺牲了“客观性”？比如在多项选择题中，模型可能首先生成模糊偏好，后续推理只是为这个偏好找理由，而非重新评估证据。我认为未来需要引入对抗性推理训练或偏差检测机制，否则在敏感应用（如医疗诊断、法律咨询）中长推理会带来更大风险。
讨论问题：1) 如何量化并控制推理中的“立场漂移”？2) 是否应该定义推理长度的最优区间，超出则触发重采样？行业趋势上，这提示我们“更长的推理”不等于“更好的推理”，模型设计可能需要平衡深度与稳健性。