最近读到一篇关于推理长度与立场偏差的研究，直击我作为实践者的困惑：通常我们认为思维链（CoT）能减少启发式偏差，但该研究发现，在DeepSeek-R1等推理优化模型中，每个问题的立场偏差竟随推理轨迹长度单调递增。这让我联想到个人经验——在复杂NLU任务中，我曾观察到模型在长CoT后反而过度依赖首尾token，可能类似“锚定效应”在神经网络中的映射。

技术核心在于：模型并非追求事实一致性，而是将推理过程作为“立场强化”工具。例如，在政治倾向选择题中，长推理会放大初始上下文偏见，而非校准答案。这暗示当前CoT的“逐步思考”可能只是表面逻辑，内部表征仍受制于训练数据的统计偏差。

我的疑问是：这种偏差是否源于RLHF中对“连贯性”的奖励？即模型被训练成“坚持己见”以维持推理一致性。另外，是否有技术手段（如对抗性推理步骤插入）能在不牺牲推理能力的前提下打破这种偏见？

从行业看，这警示我们：推理优化模型若用于敏感决策（如法律咨询），长CoT反而可能引入系统性错误。未来或需重新设计推理架构，例如引入“多视角推理”或“不确定性显式建模”。期待社区讨论如何平衡推理深度与立场中立性。