大模型自我反思的核心驱动：武装冲突预测中不确定性路由的受控消融研究

一项新的受控消融研究试图回答一个看似简单的问题：当大语言模型进行自我反思时，究竟是哪一部分真正起作用？论文作者在武装冲突预测任务上设计了六种条件，将自我反思拆解为四个组件：证据暴露、诊断性脚手架、分类法词汇和动作路由。结果表明，真正带来增益的是类型化动作路由，而不是常见的诊断问题清单或不确定性分类词汇。

研究首先给出了两个精确的零结果。第一，结构化诊断问题与非结构化反思的F1得分分别为0.296和0.297，差异无统计学意义（p=1.000，95%置信区间[-0.041,+0.040]），说明预设的提问框架并不能额外帮助模型。第二，向模型展示完整的不确定性分类法，但同时将所有动作压缩为一个通用动作，增益仅为ΔF1=+0.008，置信区间与基线重叠，从而排除了分类法词汇这一解释。

相比之下，类型化动作路由在方向上持续提升表现：F1从0.296升至0.379。在控制分类法词汇影响后，保守估计ΔF1=+0.075；相对于单次推理基线，整体提升ΔF1=+0.101，bootstrap置信区间为[+0.020,+0.185]，具有统计显著性。这一词汇与路由的分离在GPT-4o上得到复现：分类法词汇相对于通用反思无显著贡献（p=0.773），而动作路由则带来显著增益（p=0.025），说明该机制在不同模型骨干上成立。

值得关注的是，这些增益集中在模型此前没有见过、结构较新颖的冲突场景。例如在缅甸案例中，F1从0.000提升到0.353；在乌克兰案例中，从0.167提升到0.500。仅提供词汇而不允许类型化动作时，模型的表现并不优于通用反思；只有动作路由才能打破模型对零结果或低置信度预测的退化先验。

作者据此提出，类型化动作路由——而非诊断脚手架或分类法词汇——是设计元认知大语言模型预测代理时有前景的原则。论文同时指出，未来需要在更广泛的冲突类型学上开展更大规模评估，以验证这一设计原则的普适性。