摘要
我们研究了结构化推理干预是否能改善大型语言模型的战略经济推理能力，以及其效果是否依赖于模型架构。利用Hotelling线性城市模型作为诊断工具，我们在五种条件下评估了GPT-4.1-mini（标准指令遵循模型）和GPT-5-mini（推理优化模型），涵盖了八个问题，涉及演绎推理和溯因推理、三种提示框架以及每种条件下的三次重复，总共产生了720个独立评估的响应。我们发现干预类型与模型架构之间存在统计显著的交互作用（$t(7) = 4.79$, $p = 0.002$, $d = 1.69$）：承诺型干预改善了标准模型（$+0.21$），但削弱了推理模型（$-0.63$），而原则性分离则展现出相反的模式（$-0.40$ 对比 $+0.31$）。这两种交叉效应均具有显著性（承诺：$p = 0.040$；分离：$p = 0.002$），并在所有八个问题中保持了7/8的方向一致性。对抗性压力测试对两个模型均造成伤害，推理模型的降级程度是标准模型的$2.6\times$（$-1.47$ 对比 $-0.57$；$p = 0.038$），损害程度与基线难度呈负相关（$R^2 = 0.36$, $p = 0.014$）。我们还记录了一个持续的声明-程序差距，即两个模型识别正确策略的能力远超其执行能力；而分离干预完全弥补了推理模型的这一差距，而没有任何干预能帮助标准模型。
博主点评： 本研究深入探讨了不同推理干预对大型语言模型的影响，尤其是在架构依赖性方面的表现差异，揭示了模型设计与应用场景之间的复杂关系。通过系统的实验与数据分析，作者为未来的模型优化提供了重要的理论基础和实践指导。