谷歌自家“黑科技”走红，研发团队为何毫不知情？

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

新智元报道

编辑：KingHZ

【新智元导读】当整个科技圈都在为「谷歌黑魔法」集体高潮时，真相恐给了所有人一记耳光。那套被捧上神坛的「并行验证循环」，不过是社交网络上AI生成的「赛博跳大神」。

如果说之前的AI模型是在模拟人类的思考，那么Gemini 3 Flash就是在模拟人类的「直觉」。

3倍于Gemini 2.5 Pro的速度，却拥有超越Pro级的推理能力。

更离谱的是，它的智力竟然在某些基准测试超越了自家的Pro大哥。

但目前为止，依然没人能说明白：Flash凭为什么比Pro还要「聪明」。

谷歌DeepMind到底有啥黑魔法？

「林子打了，什么鸟都有」，以至于X上网友Jainam Parmar爆料：

AlphaGo团队根本不使用思维链。

他们采用并行验证循环机制。

这套方法正在碾压你听说过的所有「高级推理」技术。

成千上万的网友浏览过这个帖子。

这靠谱吗？这有没有可能是「以讹传讹」、用AI生成的「假新闻」？

如果是假新闻，难道只是因为「DeepMind碾压同行的推理」这样的噱头吗？

我们先看一下推文到底讲了啥。

谷歌DeepMind的黑科技?

首先，这位「万能的网友」直击CoT命门，解释了为什么Chain-of-Thought很糟糕。

当前的AI推理是线性的：

思考步骤1→步骤2→步骤3。

但这并不是专家级问题解决者的思维方式。

然后，他写道：「DeepMind分析了他们的AlphaGo团队是如何应对复杂问题的，结果发现了一件非常惊人的事情。」

并行验证循环（Parallel Verification Loops）：

专家型思考者并不会沿着一条冗长的推理链一路走到底，而是同时运行多个验证循环。

他们会提出一个解决方案，用约束条件去检验它；必要时回退；同时探索其他可能的路径——这些过程是并行发生的。

而Chain-of-Thought做不到这一点。

架构上的差异（The ArchitectureDifference）：

传统的思维链：A→B→C→D（线性）

DeepMind的框架：A→[B1,B2,B3]→分别验证→精炼→迭代

这就好比是在一条路上一直往前走，而另一种方式则是同时探索整棵决策树。

结果非常夸张：

在复杂推理基准测试中：

相比标准的Chain-of-Thought，性能提升37%

捕捉逻辑错误的能力提升52%

收敛到正确解的速度快了3倍

这不是小幅优化，而是架构层面的飞跃。

它实际是如何运作的：

步骤1：同时生成多个候选解决方案

步骤2：每个方案各自运行一套验证循环

步骤3：不同方案之间进行交叉验证

步骤4：剪除较弱的分支，强化更有潜力的路径

步骤5：持续迭代，直到收敛

自我纠错优势：

这才是杀手级特性：系统在给出最终答案之前，就能发现并纠正自己的错误。

传统的CoT（思维链）是按步骤顺序「提交」的，只要其中一步出错，后面就全盘皆输。

而并行验证允许在不中断整体流程的情况下回溯和修正，而不必从头再来。

对训练方式的影响：

他们不只是测试了这种方法，而是直接用这一框架来训练模型。

模型学会了：

提出多个假设

让这些假设相互检验

通过验证逐步建立置信度

尽早剪除错误或低质量的推理路径

现实世界中的应用：

这一框架在以下场景中表现尤为强大：

数学证明（一步出错，整体就会崩塌）

代码调试（可能同时存在多个潜在Bug）

战略规划（需要探索复杂的决策树）

科学推理（假设提出与验证）

凡是正确性优先于速度的地方，它都具备压倒性优势。

如果你正在构建AI智能体或推理系统，Chain-of-Thought已经过时了。

未来属于并行验证（Parallel Verification）。

生成多条路径。

对它们进行测试。

让最优解自然浮现。

这正是AlphaGo击败世界冠军的方式。

这也是推理真正运作的方式。

疑点重重，被AI袭击的一天？

在这些描述中，「并行验证」简直就是为数学证明和代码调试量身定制的终极武器。

凡是追求正确性的场景，它似乎都能实现降维打击。

这套理论听起来是不是太完美了？简直就像是DeepMind真的把人类直觉代码化了一样。

但恰恰是这种「过度的完美」和「极具煽动性」的文风，引起了业内人士的警觉。

当成千上万的网友还在为这套「黑魔法」转发点赞时，冷静下来的人们开始追问一个最基本的问题：

这套东西，到底是谁说的？

发帖的Jainam Parmar，也不是什么AI研究领域的大牛，也不是谷歌DeepMind的员工。

他也没有明确给出DeepMind的可信的源链接。

他说的靠谱吗？

即使DeepMind放缓发布世界知名的研究成果，以便在AI竞赛中赢得先机。

但DeepMind仍在发布他们的研究成果。

去年11月初，谷歌DeepMind团队还发布了号称解决「可持续学习」难题的新的机器学习范式──嵌套学习（nested learning）。

原推文那种藏头露尾、吊人胃口的写作风格，令人不喜，甚至部分网友怀疑，帖子压根就是大模型生成的！

熟悉DeepMind研究工作的网友，则认为帖子在故弄玄虚，甚至歪曲原意！

更有网友毫不客气地指出，发帖人就是蹭热度，半年前他还在鼓吹「CoT就是下一代推理技术」。

还有更关键的证据，之后，另一网友Chris Laub发布了一模一样的内容：

帖子底下，也有网友怀疑，这就是诱导人点击的AI垃圾！

事实上，CoT早不是什么先进技术。

长思维链和短思维链截然不同。

长思维链，有三大关键特征: 深度推理、广泛探索和可行的反思。

这些特征使得模型能够处理更复杂的任务，并且与较浅的短思维链相比，产生更高效、更连贯的结果。

回到问题本身：Gemini 3Flash 到底凭什么更聪明？

至少目前，没有任何可靠证据表明DeepMind已将「并行验证循环」作为核心推理框架，全面取代Chain-of-Thought。

相反，这场风波更像一次典型的 AI 舆论实验—— 当模型表现出现异常跃迁，人们总是更愿意相信「黑魔法」，而不是渐进式优化。

真正值得警惕的，也许不是CoT是否过时，而是我们是否过度迷信单一解释。

推理的未来，未必只有一条路，但谣言，往往只需要一条推文。

参考资料：

https://github.com/LightChen233/Awesome-Long-Chain-of-Thought-Reasoning

https://x.com/iruletheworldmo/status/2007550905177256071

https://x.com/aiwithjainam/status/2005629090943193552

https://x.com/ChrisLaubAI/status/2006668516280197287

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！