最近读到一篇关于推理长度与立场偏差的研究，结果相当反直觉：思维链推理不仅没减少偏差，反而随着推理轨迹延长，模型在多项选择题中的立场偏差显著增加。DeepSeek-R1这类推理优化模型也未能幸免。

技术上，这打破了我对CoC（Chain of Thought）的固有认知。通常我们相信“思考越多越客观”，但该研究指出，推理链可能强化了初始token的语义锚定效应，导致后续步骤偏向支持已有立场。从个人经验看，我在调试R1时确实发现，长推理链有时会生成自洽但错误的逻辑闭环，比如在政治倾向测试中，模型会反复引用同一类论据。

这引发两个关键问题：1）是否可以通过约束推理路径的语义多样性来缓解偏差？比如引入对抗性中间步骤。2）当前RLHF训练是否无意中奖励了“自信”而非“准确”的长推理？

行业层面，该发现对AI对齐研究是重要警示：推理增强不是万灵药，尤其在高风险决策场景（如司法或医疗）中，长推理可能放大隐性偏见。未来或许需要将推理长度与不确定性校准结合，甚至动态调整推理深度。期待社区能复现实验并探索去偏训练策略。