Google pokazuje, że reasoning potrafi wydobyć także zwykły fakt

Google Research opisuje, dlaczego reasoning pomaga LLM przypominać sobie proste fakty, nawet gdy pytanie nie wymaga wieloetapowego rozumowania. Dla twórców produktów AI wniosek jest praktyczny: tokeny reasoningu to nie tylko wyjaśnienie, ale część budżetu obliczeniowego modelu.

Reasoning pomaga nawet tam, gdzie pozornie nie ma czego wyprowadzać

Badanie Thinking to Recall dotyczy prostych pytań faktograficznych typu single-hop. To nie matematyka, kod ani multi-hop QA, gdzie chain-of-thought naturalnie pomaga. Zagadką jest to, po co model ma myśleć, skoro ma tylko wydobyć fakt zapisany w wagach.

Autorzy testowali tryby reasoning na Gemini-2.5 Flash, Gemini-2.5 Pro i Qwen3-32B, między innymi na datasetach SimpleQA Verified oraz EntityQuestions. Zamiast patrzeć tylko na najlepszą odpowiedź, używają pass@k, czyli sprawdzają, czy poprawna odpowiedź pojawia się w wielu próbach.

Główny wniosek: reasoning może poszerzyć granicę parametric recall. Z włączonym reasoningiem modele znajdują poprawne odpowiedzi, które bez niego są praktycznie poza zasięgiem.

Tokeny są jednocześnie pasem startowym i podpowiedzią

Google wskazuje dwa mechanizmy. Pierwszy to computational buffer: generowane tokeny reasoningu dają modelowi więcej forward passes, a więc więcej czasu na ukryte obliczenia. W kontrolowanych eksperymentach pomagały nawet bezsensownie powtarzane frazy typu Let me think, jeśli tworzyły dłuższy ślad przed odpowiedzią.

Drugi mechanizm to factual priming. Gdy model w trakcie reasoningu generuje powiązane fakty, może zbudować most do właściwej odpowiedzi. To ważne dla RAG i closed-book QA, bo jakość faktów po drodze wpływa na finał.

Dla zespołów produktowych tłumaczy to, czemu tryb thinking czasem poprawia zadania, które na papierze wyglądają banalnie. Płacisz nie tylko za tekst widoczny dla użytkownika. Płacisz za wewnętrzny pas startowy, po którym model dochodzi do odpowiedzi.

Ten sam mechanizm może stworzyć bardziej przekonującą halucynację

Factual priming ma ostrą krawędź. Autorzy pokazują, że zmyślone fakty pośrednie w śladzie reasoning zwiększają prawdopodobieństwo halucynacji w końcowej odpowiedzi. Dłuższa ścieżka myślenia nie jest więc automatycznie bezpieczniejsza.

To niewygodne dla aplikacji, które traktują reasoning jako sygnał zaufania. Widoczny tok może wyglądać na audytowalny, ale jeśli model wymyśli podpórkę w połowie drogi, końcowa odpowiedź bywa jeszcze bardziej przekonująca.

Evals muszą oceniać drogę, nie tylko ostatnie zdanie

Następny krok to mierzenie nie tylko poprawności wyniku, ale też jakości faktów pośrednich. Google sugeruje, że dokładność można poprawić przez preferowanie reasoning trajectories bez halucynowanych twierdzeń faktograficznych.

Dla zespołów budujących asystentów oznacza to konkretny test: osobno mierzyć tryby reasoning pod kątem latencji, kosztu, factuality i halucynacji w śladzie. Jedna metryka trafności końcowej odpowiedzi już nie wystarcza.

Werdykt Lilith

Przy faktach reasoning jest bardziej latarką niż dziennikiem myśli: może oświetlić pamięć modelu, ale gdy snop trafi w złą półkę, użytkownik dostaje pewną etykietę na pustym miejscu.