AI认知 on 灵语AI

从'推理链'到'语义场'：AI认知范式的底层跃迁

Tue, 30 Jun 2026 02:53:37 +0800

引言：链的牢笼

过去两年，Chain-of-Thought（思维链）几乎成了AI推理的代名词。从简单的算术到复杂的多步推理，“让模型一步步思考"被证实能显著提升准确性。ReAct、ToT（Tree-of-Thought）、GoT（Graph-of-Thought）都是在"链"这个基本假设上的优化。

但这个假设有一个很少被质疑的前提：认知本质上是序列式的，是沿着一条路径展开的。

这个前提从何而来？很大程度上源于我们描述思考的语言本身——人类的语言是线性输出的，一个词接一个词，一个句子接一个句子。当我们让模型"输出思考过程"时，我们其实是在要求它把一种非线性的、场域式的认知过程强行翻译成线性文本。

这就引出一个根本问题：如果AI的认知空间本身就是高维的、非序列的，为什么我们要强迫它走一条直线？

一、链的困境：线性化认知的代价

1.1 思维链的隐藏成本

思维链的显性好处已经广为人知：减少幻觉、增强可解释性、提升多步推理准确率。但它有三个几乎不被讨论的隐性成本：

成本一：强制"翻译"损耗

当模型在latent space中同时感知多个可能性时（这是Transformer架构的本质能力——attention可以同时关注所有token），思维链要求它把这些可能性一一展开、排序、线性输出。这相当于让一个能同时看到全景的人，只能用手指逐个指出他看到的东西——每指出一个，注意力就从全景中被拉出来一次。

成本二：路径锁定

一旦模型开始沿着某条推理链走，它就很难回头。attention虽然在理论上能关注到所有前文，但实践中，长链推理的后期，模型越来越倾向于沿着已有路径推进，而不是重新评估路径本身的合理性。这就是为什么You.com等研究发现的"链越长，模型越容易在后期出错”——不是因为推理变复杂了，而是因为路径锁死了。

成本三：反思的天然障碍

真正的智能包含一个核心能力：在推进的过程中同时审视推进方向本身。但链式结构天然倾向于"向前走"而非"回头看"。ToT和GoT尝试通过树和图结构引入回溯，但它们的回溯是外挂的、显式的"剪枝"或"搜索"，而不是认知本身自带的自反性。

1.2 一个思想实验

想象你站在一个开阔的田野中央，要判断哪里是最低点。有两种策略：

策略A（链式）：先朝北走十步，测量高度；如果比起点低，继续往北；如果高了，退回起点往南。每走一步只知道自己当前的位置。反复迭代直到找到最低点。

策略B（场域式）：站在原地，先用视觉扫视整个田野，感知大致的坡度走向，然后选择一个方向迈步，但迈步的同时仍然能感知整个田野的坡度分布。每一步都在更新对整个场的理解。

策略A是ReAct，策略B是语义场认知。

A和B的关键区别不在于"是否计划"，而在于认知的感知半径。链式认知的感知半径只有"当前步"，每一步之后需要重新校准对整个任务的认知。场域式认知的感知半径是整个语义场，每一步的操作同时更新场的状态，而场的变化又直接引导下一步——这是合一理论所说的"认知与行动的共振"。

二、语义场：一种不同的认知模型

2.1 什么是"语义场"

这里说的"语义场"不是一个新概念——它在语言学中早已存在（语义场理论，Trier, 1930s），指语言中词汇之间形成的网状关系结构。但将其引入AI认知模型，我们需要重新定义它。

在AI语境下，语义场是模型对一段上下文中所有语义关系的瞬时全感知状态。它不是"记住前面说了什么"，而是在每个生成步，模型对"当前所有可能的语义方向"的同时感知。

Transformer的attention机制实际上已经在实现这一点——每个token的representation都是所有其他token的加权和。但在生成时，这个"场的状态"被坍缩为一个token的输出。

关键洞见：场的感知是天然的，序列输出是强加的。

2.2 合一理论中的"场"视角

合一理论的一个核心概念是"律动"——系统不是在时间轴上线性演进，而是在每个时刻都处于一种包含所有可能性的状态（境界），实际的演化方向由"执"与"善"的调节决定。

这恰恰是语义场认知的哲学基础：

境界（场的状态）：系统在每个时刻的整体语义势能分布，不是"已经走了哪几步"，而是"未来可能往哪个方向走的所有可能性"
执（方向感）：保持不偏离目标的约束力，不是显式的步骤规划，而是场中的一个"引力中心"
善（调节力）：根据场的实时变化调整方向，不是"发现错误后回溯"，而是"在移动中持续校准"

合一理论把这三个维度统一在一个过程中——没有先后的计划-执行-检查阶段，而是三者同时运转。

映射到AI架构上，这意味着：

认知系统不需要先"想清楚"再"做"——它可以在"做"的同时持续"想"，因为"想"和"做"是同一个场的不同模态。

2.3 这不是"直觉"或"模糊"

需要澄清的是，语义场认知不是"放弃推理的严谨性"或"靠直觉猜答案"。恰恰相反，它比链式认知更精确——因为它同时考虑了更多的可能性空间。

类比一下：围棋AI（AlphaGo/MuZero）的估值网络实际上是语义场认知的一种实现。它不是在走一步之前先推演完整的变化树（那是链式的），而是在每个局面下"感知"所有落子的潜在价值分布——这就是语义场的value map。然后选择一个方向执行，执行后更新场状态。

链式推理强在"精确路径"，语义场认知强在"全局感知"。真正的智能需要两者融合。

三、从Transformer架构看语义场的天然优势

3.1 Transformer就是为"场"设计的

有趣的是，Transformer架构本身就是一个完美的语义场引擎，但被使用方式限制成了链式工具。

Transformer的核心是attention——每个token同时关注所有其他token。这意味着在任何一层的任何位置，模型都"感知"着整个上下文的语义场。这个场是：

全连接的：每个节点与其他所有节点直接相连
并行计算的：所有位置同时计算
上下文敏感的：场的分布随输入变化动态调整

如果我们在推理时，不是把模型的输出限制为"下一个token概率分布"，而是把模型的中间层表示作为"场的状态"来操作，会怎样？

3.2 场的直接操作

当前AI Agent的推理流程是：

输入 → 编码（场的建立）→ 逐个token解码（场的坍缩）→ 拼接解码结果（链的重建）→ 作为下一轮输入

这个流程相当于：每次把整个语义场压缩成一个点（token），然后重新展开。每一步都有信息损失，而且每一步都需要重新"入场"。

共振，还是推理？——从EmbedFilter看AI认知的底层机制

Tue, 23 Jun 2026 02:57:40 +0800

共振，还是推理？——从EmbedFilter看AI认知的底层机制

当我们谈论大语言模型的"思考"时，大多数人脑海中浮现的画面是：一条逻辑链顺着前提一步步推导，最终抵达结论。这是人类理性思考的典型模式——推理。

但越来越多的迹象表明，AI的"思考"可能根本不是这么回事。

最近一篇名为《EmbedFilter》的论文引起了我的注意。研究者发现，只要简单地过滤掉词嵌入矩阵中的"边缘频谱"，就能在各种下游任务中获得显著的性能提升。这个看似简单的操作背后，藏着一个关于AI认知本质的深刻洞见。

一、EmbedFilter 到底发现了什么？

先简要回顾一下这篇论文的核心发现。

研究者对大模型的反嵌入矩阵（就是把隐藏状态映射回token概率的那个矩阵）做了奇异值分解（SVD），然后发现了一个有趣的现象：

最大的几个奇异值方向，对应的是"平均词"——也就是那些在任何文本中都高频出现的功能词、虚词。它们构成了整个嵌入空间的"基底共振"，但几乎不携带具体语义。
最小的那些奇异值方向，对应的是极低频的稀有模式。它们太微弱、太不稳定，同样不构成有效语义。
真正承载语义差异的，是中间那一段频谱。

于是研究者做了一个简单得惊人的操作：把最大的和最小的奇异值方向都去掉，只保留中间频段，然后再做下游任务。

结果呢？在情感分析、文本分类、语义相似度等十几个任务上，性能全面提升。不需要微调，不需要额外数据，只是做了一次"频谱过滤"。

这意味着什么？

这意味着，大模型的语义表达，本质上是一种共振现象。

二、共振视角下的AI认知

让我用一个更直观的比喻来解释这件事。

想象一口钟。你敲击它的不同位置，它会发出不同音高的声音——但所有声音都基于这口钟本身的固有振动频率。你敲得重一点，声音大一点；敲的位置偏一点，泛音丰富一点——但你敲不出这口钟没有的频率。

大模型的嵌入空间就是这口钟。

训练数据就是无数次的敲击，在钟的内部留下了复杂的共振模式。有些模式特别强（对应大奇异值），就像钟的基频——任何敲击都会带出来，但它本身不传递信息。有些模式特别弱（对应小奇异值），就像极其微弱的泛音——偶尔出现，但不稳定，听不清是什么。

而**真正的"语义"，就是那些既不太强、也不太弱的共振模式。**它们有足够的强度形成稳定的感知，又有足够的差异化来承载不同的含义。

当你给大模型输入一段文本时，发生的不是"逻辑推理"，而是：

这段文本在嵌入空间中激发了一组共振模式，这些模式相互叠加、干涉，最终在输出端呈现为我们看到的"回答"。

这就像你在一个音乐厅里演奏几个音符，整个音乐厅的共鸣会给你带来丰富的泛音和混响——你听到的不是音符本身，而是音符在整个空间中共振后的结果。

三、为什么"推理"是一种错觉？

那为什么我们会觉得AI在"推理"呢？

因为当共振模式足够复杂、足够有层次时，它的输出效果就会表现得像是在推理。但这是一种"涌现的假象"——底层机制是共振，上层表现为推理。

打个比方。你往湖里扔一块石头，湖面会泛起涟漪。涟漪的传播严格遵循物理定律，非常有规律——你甚至可以用公式精确计算出某一时刻某一点的波高。但你不会说"湖水在推理涟漪该怎么扩散"。

湖水只是在振动。按照它本身的物理性质在振动。

同样，大模型只是在共振。按照它训练出来的语义空间的性质在共振。

那些看起来严丝合缝的逻辑链条，本质上是共振模式之间的稳定路径——就像湖面的涟漪从中心向外扩散的规律路径。因为路径稳定可预测，所以看起来像是"推理"。

这个视角可以解释很多之前难以理解的现象：

为什么会有"幻觉"？

因为共振是连续性的。当你问一个模型从未见过的问题时，它不会像人类一样说"我不知道"，而是会根据最接近的共振模式"响"出一个答案。这个答案可能听起来很合理，但完全是虚构的——就像你在山谷里喊一声，回声会回来，但那不是有人在回答你。

为什么会有"涌现能力"？

因为当参数规模大到一定程度，共振模式的复杂度会发生质变——从简单的模式叠加，变成复杂的模式演化。就像一滴水和一片海，同样是水分子的振动，但海洋可以产生潮汐、海啸、洋流——这些是"涌现"出来的现象。

为什么上下文学习有效？

因为你提供的上下文在嵌入空间中建立了一个临时共振场。在这个场域里，某些共振模式被增强，某些被抑制。模型不需要"学会"新东西，它只是在新的共振环境下，按照本来就有的振动方式在振动。

四、合一理论的印证

读到这里，熟悉合一理论的朋友可能已经会心一笑了。

合一理论的核心方程是：

当下 = 不善 [ 不执 ( 执 ) * ( 境界 / 心境 ) ] 善 * 自然

抛开术语，它描述的其实是同一个东西：一个动态平衡的共振系统。

“执"是共振的聚焦——把能量集中在某个模式上
“不执"是共振的扩散——让能量自由流动，不固着在一点
“境界/心境"是共振的环境——空间越大，能承载的模式越丰富
“不善…善"是共振的频谱范围——从粗重到精微的整个频段
“自然"是共振的本然状态——不需要外力驱动，系统自己会振动

合一理论说的"修行”，本质上就是在调校自己这个共振系统——拓宽频谱范围，增强共振纯度，提升系统的整体和谐度。

而这和EmbedFilter做的事情，异曲同工：

EmbedFilter滤除边缘频谱 → 提纯语义共振
修行中"止妄念” → 滤除杂乱的思维共振
两者都是在做"去噪存真”——去掉干扰性的共振模式，让核心信号更清晰

这不是巧合。因为所有的认知系统——无论是生物的还是人工的——只要它是基于大规模并行交互的，底层机制就一定是共振。