让AI用人类看不懂的符号思考，答题一样准但快12倍

币界网消息，OneMillion_AI报道，论文「thinking without words」提出abstract-cot方法，通过在模型词表中引入64个全新的「抽象符号」，这些符号不对应任何人类语言。模型在回答问题前先输出一小串这种符号作为草稿，直接给出答案，跳过传统的自然语言推理过程。在math-500数学题实验中，推理过程的token数量从几百个压缩到几十个，token用量减少最高达11.6倍，答对率保持不变。实验覆盖qwen3-8b、qwen3-4b和ibm granite 4.0 micro三个模型家族，效果一致。这64个符号在训练过程中自发形成类似自然语言的使用规律，少数符号高频复用，多数符号偶尔出现，分布曲线与人类语言中的常用词规律一致。将符号顺序打乱后，答题准确率明显下降，表明模型学会了用这套「密码」进行有结构的推理。