为什么有的AI模型能自我改进，而有的却不行？——从斯坦福研究看大模型的“思考”秘密

当我们给AI模型额外的计算资源和“思考”时间时，为什么有的模型能显著提升性能，而有的却几乎停滞不前？这个问题不仅关乎技术细节，更触及了AI如何像人类一样“学会思考”的核心。最近，斯坦福大学的一项研究（论文标题：Cognitive Behaviors that Enable Self-Improving Reasoners, or, Four Habits of Highly Effective STaRs，链接：arXiv:2503.01307）通过对比Qwen-2.5-3B和Llama-3.2-3B在强化学习中的表现，揭示了大模型自我改进能力背后的机制。本文将带你深入探讨这项研究的发现，解答为何Qwen能“天生”自我纠错，而Llama需要“后天引导”才能进步。