2025年10月7日，研究人员从MIT发现，简单的基于温度的采样与多数投票可以解锁基础LLM中的复杂推理能力，而无需额外训练，这对强化学习是高级推理必要条件的假设提出了挑战。
该方法通过调整温度参数来控制生成的随机性，并结合多个输出的投票机制，显著提升了基础大语言模型在复杂推理任务上的表现。这一发现可能改变模型训练的方式，为资源有限的开发者提供了利用现有模型实现高级功能的新途径。
传统观点认为，只有通过RLHF等复杂训练过程，大语言模型才能获得可靠的推理能力。但MIT的研究表明，通过巧妙的采样和聚合策略，基础模型本身就具备这些能力的潜力，只是需要合适的方法来激发。
该方法在数学推理、逻辑推理和常识推理等多个任务上进行了验证，均显示出显著的效果提升。这一研究成果有望降低AI应用的门槛，使更多组织和个人能够利用现有基础模型开发高性能的AI应用。