新加坡)科技设计大学：让AI用不同语言"思考",创意输出竟然翻倍！

更新时间：2026-01-20 19:05 来源：牛马见闻

一个简装小公寓6晚租金多少？沉浸式感受一下冬季达沃斯的物价暴击吧！

总师认为99A有三点需要改进

绕开美欧体系？沙特用40亿美元押注“枭龙”，中东军事格局要变了

“哭哭马”和“潦草马”戳中了当代年轻人的什么？

无人机在马路对面爆炸！出发澳网前，这位乌克兰球员经历生死时刻,乌克兰无人机被击落

比如�插入"Let me provide my answer in English only"这样的英语提示�比如

这项？由新加坡科技？设计大学研究团队完成的突破性研究发表于2025年1月的arXiv预印本平台，论文编号为2601.11227v1。对于想要深入了解技术细节的读者，可以通过该编号在学术数据库中查询完整论文。 你有没有发现这样一个有趣现象：当你用中文思考问题时，可能会想出一些解决方案，但如果换成英文思考，脑海中冒出的点子却完全不同？新加坡科技设计大学的研究团队最近就在人工智能领域验证了这个神奇现象，他们发现让大型语言模型用不同语言进行"内心独白"，竟然能让AI的创意输出变得更加丰富多样。 这个发现可不是偶然。就像一个多语言的厨师在准备同一道菜时，用法语思考可能想到红酒炖牛肉的做法，用中文思考时却想到了红烧的方法，用意大利语思考时又冒出了番茄炖煮的灵感。研究团队发现，当AI模型在"大脑"里用不同语言进行推理时，最终给出的英文答案也会呈现出截然不同的风格和内容。 这项研究的重要性在于解决了当前AI系统面临的一个严重问题——输出同质化。就像一台只会播放同一类型音乐的收音机，现有的AI系统往往会给出相似的回答，缺乏创新性和多样性。这种现象被专家们形象地称为"模式塌缩"，就好比一个本来应该五光十色的万花筒，却只能显示出几种单调的图案。 研究团队的发现为这个问题提供了一个出人意料的解决方案。他们不需要重新训练模型，也不需要复杂的技术改造，只需要简单地控制AI的"思考语言"，就能让同一个模型产生更加多元化的输出。这就像是给一台普通的电视机装上了多个频道接收器，突然之间就能收看到各种不同风格的节目了。 更令人惊喜的是，这种方法不仅提升了创意性，还在多元文化适应方面表现出了巨大潜力。当AI用不同语言思考时，它似乎能够更好地理解和表达不同文化背景下的观点和价值观，这对于构建真正具有全球视野的人工智能系统具有深远意义。 一、AI大脑的语言地图：不同思考语言占据不同区域 要理解这项研究的核心发现，我们得先搞清楚AI是怎样"思考"的。现代的大型语言模型在回答问题时，并不是直接蹦出答案，而是会经历一个内在的推理过程，就像人类在解决复杂问题时会在心里默默盘算一样。 研究团队首先做了一个绝妙的实验。他们让AI模型在回答同样的英文问题时，分别用15种不同的语言进行内心推理，包括中文、意大利语、马来语、俄语、德语、希伯来语、保加利亚语、丹麦语、挪威语、瑞典语、西班牙语、菲律宾语、奥克语和法语。然后，他们深入AI的"大脑深处"，观察当AI用不同语言思考时，其内部神经网络的激活模式。 结果让人大开眼界。研究团队发现，当AI用不同语言进行思考时，它的"大脑"中会形成截然不同的活动区域，就像一张精妙的语言地图。当AI用中文思考时，某些神经元会特别活跃，形成一个独特的"中文思维区域"；当它转换到法语思考时，又会激活另外一片区域，形成"法语思维区域"。这些不同的思维区域在几何空间上相互分离，各自占据着AI大脑中的不同地盘。 更有趣的是，这些思考语言与英语的"距离"并不相同。有些语言的思维区域比较靠近英语区域，比如德语、法语和西班牙语，这些语言在历史上与英语有较多交集。而另一些语言，特别是希伯来语、保加利亚语和菲律宾语，它们的思维区域距离英语区域相当遥远，就像是AI大脑中的"偏远山区"。 这种语言距离的发现特别重要，因为它直接关系到输出多样性的程度。研究团队通过复杂的数学分析，绘制出了一幅AI大脑的语言地理图。在这张地图上，英语位于中央位置，像是一个繁华的市中心，其他语言则分布在周围的不同区域，距离远近各不相同。 通过主成分分析这种高深的数学工具，研究团队将AI大脑中复杂的多维空间压缩成我们能够理解的二维图像。在这些图像中，我们可以清楚地看到每种语言在AI思维空间中的具体位置。这就像是把一个复杂的立体建筑的平面图展现给我们看，让我们能够一目了然地理解AI大脑的语言格局。 有趣的是，这种空间分布在AI的不同层次中都保持着一致性。无论是在AI大脑的浅层还是深层，这种语言分区现象都清晰可见，这说明语言对AI思维的影响是全方位、深层次的，而不仅仅是表面现象。 二、距离越远效果越好：思考语言的神奇规律 发现了AI大脑中的语言地图后，研究团队开始探索一个关键问题：这些不同的思考语言对输出多样性到底有什么影响？他们设计了两种巧妙的实验策略来寻找答案。 第一种策略叫做"单一语言重复采样"。这就像是让一个厨师用同一种烹饪风格反复制作同一道菜。比如，让AI始终用中文思考，然后让它回答同一个英文问题10次，看看会得到多少种不同的答案。研究团队对15种语言分别进行了这样的测试，结果发现了一个令人惊讶的规律。 当AI用英语思考时，它给出的答案相对比较单一，就像是一个只会一种口味的厨师，做出来的菜总是大同小异。但是，当研究团队让AI换用其他语言思考时，情况发生了戏剧性的变化。用中文思考时，AI的答案开始变得更加多样；用德语思考时，多样性进一步提升；而当AI用希伯来语或菲律宾语思考时，它给出的答案多样性达到了惊人的水平。 更令人着迷的是，研究团队发现了一个几乎完美的数学规律：AI思考语言距离英语越远，输出的多样性就越高。这种相关性强得让人难以置信，相关系数高达0.72到0.88之间。这就像是发现了一个物理定律一样精确：在AI的思维世界里，语言距离直接决定了创意的丰富程度。 为了验证这个发现，研究团队使用了多种不同的评估方法。他们不仅计算了答案内容的相似度，还分析了答案的功能差异性。结果表明，无论用哪种评估标准，这个规律都成立。当AI用距离英语最远的语言思考时，它产生的答案不仅在字面意思上不同，在解决问题的思路和方法上也呈现出明显的差异。 研究团队还发现，这种多样性的提升并不是以牺牲质量为代价的。虽然用非英语语言思考会让AI的回答质量稍微下降一点点，但这种下降非常微小，完全在可接受的范围内。就像是一个画家学会了新的绘画技巧，虽然刚开始可能不够熟练，但很快就能掌握，而且还能创作出更加丰富多彩的作品。 特别值得注意的是，某些语言的表现格外突出。希伯来语、挪威语和奥克语在提升输出多样性方面表现最佳，有时候能让AI的创意输出提升12个百分点以上。这相当于把一个原本只能想出3种解决方案的AI，瞬间升级成能想出4种或5种不同方案的创意助手。 这个发现的实际意义非常深远。它意味着我们不需要重新训练AI模型，不需要使用更多的计算资源，仅仅通过改变AI的思考语言，就能显著提升它的创造力和多样性。这就像是发现了一个隐藏的开关，轻轻一按就能让AI变得更加聪明有趣。 三、多语言混合的威力：1+1大于2的神奇效应 单一语言思考已经显示出了惊人的效果，但研究团队并没有就此止步。他们想到了一个更大胆的想法：如果让AI在回答同一个问题时，每次都用不同的语言思考，然后把所有的答案综合起来，会发生什么呢？ 这就是他们提出的第二种策略——"混合语言采样"。这种方法就像是让一个国际化的厨师团队来准备同一场宴会，每个厨师都用自己最擅长的烹饪传统来准备菜品，最终形成一桌融合各种风味的丰盛大餐。 具体来说，当面对一个问题时，AI会轮流用15种不同的语言进行思考，每种语言思考一次，产生一个英文答案。这样，同一个问题就能得到15个来自不同思维模式的答案。研究团队然后分析这15个答案的整体多样性，看看这种"思维联合国"的效果如何。 结果完全超出了预期。混合语言采样不仅比单纯的英语思考表现更好，甚至比大多数单一非英语语言的表现还要优秀。这就像是一个多元化的智囊团，每个成员都能贡献独特的见解，最终的集体智慧远远超过任何单个成员的能力。 更令人惊喜的是，混合语言采样经常能够达到甚至超越最佳单语言采样的效果。这意味着，即使你不知道哪种语言的思考效果最好，使用混合语言策略也能确保获得接近最优的结果。这就像是一个保险策略，确保你总能获得最好的创意输出，而不需要事先进行复杂的测试和选择。 为了深入理解这种混合效应的机制，研究团队进行了一系列精巧的分析实验。他们逐步从15种语言的组合中移除某些语言，观察对整体多样性的影响。结果发现，移除任何一种单独的语言对整体效果的影响都相对较小，但如果同时移除多种语言，多样性就会出现显著下降。 这个发现揭示了语言之间存在着微妙的"协同作用"。不同的思考语言就像是一个精密乐团中的不同乐器，每种乐器都有自己独特的音色和作用。虽然少了一把小提琴可能影响不大，但如果同时缺少小提琴、大提琴和钢琴，整个乐曲的丰富性就会大打折扣。 研究团队还发现，这种协同效应具有超线性特征。也就是说，语言组合产生的效果不是简单的相加关系，而是存在着"化学反应"般的增强效应。当多种思考语言同时工作时，它们会相互激发，产生1+1大于2的效果。 这种现象在不同规模的实验中都得到了验证。无论是让AI回答简单的开放性问题，还是处理复杂的推理任务，混合语言策略都能持续展现出优势。这说明这种方法具有很强的普适性，不是只在特定情况下才有效的技巧。 四、规模效应的惊人发现：语言多样性打开创意天花板 研究团队继续深入探索，他们想知道当增加采样次数时，不同策略的表现会如何变化。这个实验就像是测试不同类型的创意工作者在长时间工作时的持续产出能力。 他们将采样次数从1次逐步增加到200次，观察AI能产生多少个真正不同的答案。结果显示，所有策略在初期都能快速产生新颖的答案，但很快就会遇到瓶颈，就像是一口井，刚开始水流很急，但随着水位下降，出水量会逐渐减少。 然而，混合语言策略展现出了截然不同的表现曲线。当其他策略已经接近饱和状态，很难再产生新的创意时，混合语言策略仍然保持着强劲的增长势头。这就像是一个永不枯竭的创意泉源，能够持续不断地涌出新鲜的想法。 更令人印象深刻的是，随着采样次数的增加，混合语言策略与单语言策略之间的差距不是保持不变，而是在持续扩大。当采样次数达到200次时，混合语言策略产生的不重复答案数量比最好的单语言策略多出了将近一倍。 这个发现揭示了一个重要概念：多样性天花板。每种思考方式都有其固有的创意极限，就像是一个容器的最大容量。单一语言思考就像是使用单个容器，无论怎么努力，最终都会装满。而混合语言策略则相当于使用多个不同形状和大小的容器，总容量自然更大。 研究团队还测试了温度参数的影响。在AI系统中，温度就像是创意的"调味料"，温度越高，AI的回答就越随机和有创意，但也可能变得不太靠谱。实验发现，混合语言策略与温度调节之间存在着奇妙的协同效应。 当温度适中时，混合语言策略已经能够达到很高的多样性水平。但随着温度的升高，这种优势变得更加明显。最有趣的是，混合语言策略在中等温度下的表现，竟然能够媲美单一英语策略在高温度下的表现。这意味着，使用混合语言策略，你可以在保持回答质量的同时，获得高温度才能达到的创意水平。 这种现象可以用"创意效率"来理解。传统方法要想获得高多样性，往往需要牺牲答案的质量和可靠性。而混合语言策略则开辟了一条新路径，能够以更温和的方式达到同样的多样性水平，避免了极端参数设置可能带来的副作用。 研究团队进一步扩大了语言池的规模，测试了超过100种不同语言的效果。结果表明，语言种类的增加确实能够持续提升多样性水平，虽然边际效应会逐渐减小，但没有明显的饱和点。这暗示着，AI系统的创意潜力可能远比我们想象的要大，关键是要找到正确的方法来激发这种潜力。 五、真实世界的应用验证：文化多元化的实际效果 理论研究固然重要，但这项发现在实际应用中的表现如何呢？研究团队决定在一个特别有意义的场景中测试他们的方法——多元文化适应性。这个测试就像是让AI参加一场全球文化知识竞赛，看看它能否理解和表达不同文化背景下的观点和价值观。 研究团队选择了两个具有代表性的数据集进行测试。第一个数据集叫做BLEND，它包含了来自世界各地不同文化背景的知识性问题，就像是一本全球文化百科全书的问答版。第二个数据集是WVS（世界价值观调查），它收集了不同国家和地区人们对各种社会议题的态度和价值取向，相当于一份全球价值观地图。 测试方法很巧妙。研究团队让AI使用不同的策略来回答这些文化相关的选择题，然后分析答案的分布情况。如果AI总是给出相似的答案，说明它的文化视野比较狭窄；如果AI的答案覆盖了多种不同的文化观点，说明它具有更好的多元文化适应能力。 研究团队测试了五种不同的策略。首先是基准策略——让AI用英语思考和回答，这相当于AI的"原生模式"。然后是高温度策略，通过提高随机性来增加答案的多样性。第三种是明确要求多样性，直接在问题中告诉AI"请提供多样化的答案"。第四种是多语言提示，将问题翻译成不同语言来提问。最后就是混合语言采样策略，让AI用不同语言思考但用英语回答。 结果让人眼前一亮。混合语言采样策略在几乎所有测试中都表现最佳，显著超过了其他所有方法。在文化知识测试中，这种方法让AI的答案覆盖了更多不同国家和地区的观点，就像是一个真正有着全球视野的文化专家。在价值观测试中，AI展现出了对不同价值取向的理解和包容，而不是固守某种特定的观点。 特别值得注意的是，传统的多样性提升方法效果相当有限。简单地提高温度参数或者明确要求多样性，只能带来微小的改善。而多语言提示虽然有一定效果，但仍然远不如混合语言采样策略。这说明，真正的多样性不是通过表面的技巧就能实现的，而需要深入到AI的思维层面进行改变。 最令人印象深刻的是效果的幅度。在某些测试中，混合语言采样策略让AI的文化多样性提升了20个百分点以上。这相当于把一个只了解少数几种文化观点的AI，升级成了一个能够理解和表达十几种不同文化视角的全球化AI助手。 这种改善不仅体现在数量上，更体现在质量上。研究团队发现，使用混合语言策略的AI不仅覆盖了更多的文化观点，而且这些观点之间的差异更加显著，代表性更强。这就像是从一幅只有几种颜色的简单画作，升级成了一幅色彩斑斓、层次丰富的艺术品。 这个应用测试的意义远超出了技术层面。在当今全球化的时代，AI系统需要服务于来自不同文化背景的用户。一个只能体现单一文化视角的AI，很难真正满足多元化社会的需求。而混合语言采样策略为解决这个问题提供了一个简单而有效的解决方案。 六、技术细节的巧思：如何让AI切换思考语言 看到这里，你可能会好奇：研究团队是怎么做到让AI用不同语言思考的？这个过程听起来很神秘，但实际的技术实现却相当巧妙简洁。 现代的大型语言模型在回答复杂问题时，会经历一个被称为"思考过程"的中间步骤。这个过程就像人类在解决难题时的内心独白，AI会在特殊的标记符号内进行推理和分析，然后再给出最终答案。研究团队的创新就在于控制这个内心独白的语言。 具体的方法非常直接。当AI开始思考时，研究团队会在思考区域的开头插入一小段特定语言的引导文字。比如，如果想让AI用中文思考，就插入"好的，用户在问"这样的中文提示；如果想让AI用法语思考，就插入"D'accord, l'utilisateur demande"这样的法语引导。 这种方法的妙处在于它的简单性和通用性。不需要修改AI模型的核心结构，不需要重新训练，只需要在输入时加上一句话，就能改变AI的整个思维模式。这就像是给收音机换个频道一样简单，但效果却是革命性的。 为了确保这种控制真的有效，研究团队还设计了验证机制。他们使用专业的语言识别工具来检查AI的思考过程确实是用目标语言进行的，同时验证最终输出确实是英语。结果显示，这种控制方法的成功率非常高，平均达到98%以上。 更有趣的是，研究团队发现不同语言的引导效果存在微妙差异。有些语言的引导更容易让AI进入深度思考模式，而有些语言则让AI的思维更加发散。这些发现为未来的研究和应用提供了丰富的素材。 在输出控制方面，研究团队同样采用了简洁有效的方法。在AI完成思考后，他们会插入"Let me provide my answer in English only"这样的英语提示，确保最终答案统一使用英语。这种设计保证了比较的公平性，因为所有的答案都使用同一种语言表达，差异纯粹来自于思考过程的不同。 研究团队还测试了这种方法在不同规模模型上的效果。从8B参数的相对较小模型，到32B参数的大型模型，混合语言策略都展现出了一致的优势。这说明这种方法具有很好的可扩展性，不依赖于特定的模型架构或规模。 实际应用中，这种技术的部署也相当简便。开发者只需要准备一套多语言的引导模板，然后在调用AI时随机或有策略地选择不同的语言引导，就能获得更加多样化的输出。这种低成本、高效果的特征，让这项技术具有了很强的实用价值。 七、研究局限与未来展望：还有哪些问题需要解决 虽然这项研究取得了令人兴奋的成果，但研究团队也很诚实地指出了当前工作的一些局限性，以及未来需要进一步探索的方向。 首先，虽然研究发现了思考语言距离与输出多样性之间的强相关关系，但对于这种现象背后的深层机制，我们的理解还不够深入。为什么距离英语更远的语言会产生更多样化的输出？这种效应的神经网络基础是什么？这些问题还需要更多的基础研究来回答。 另外一个重要问题涉及到当前AI训练方法的影响。现在很多多语言AI系统在训练时都会使用"跨语言对齐"技术，试图让不同语言的表示更加接近。这种做法虽然有助于提升多语言任务的性能，但可能会无意中减少语言之间的差异性，从而削弱混合语言策略的效果。如何在保持多语言能力的同时，维护语言思维的独特性，是一个需要平衡的技术挑战。 在应用评估方面，当前的研究主要使用了输出熵（也就是答案分布的随机性）作为文化多样性的衡量标准。这种方法虽然客观，但毕竟是一种间接的评估方式。在真实的多文化环境中，AI需要面对的挑战可能更加复杂和具体。比如，AI需要在特定的文化语境下给出合适的建议，或者需要理解某些文化特有的价值观冲突。这些现实场景中的表现，还需要更多针对性的研究来验证。 研究团队还指出，他们的实验主要集中在特定类型的任务和问题上。虽然在开放性问答和文化理解方面取得了很好的效果，但这种方法在其他类型的AI任务中的表现如何，还需要更广泛的测试。比如，在需要严格逻辑推理的数学问题中，或者在需要专业技术知识的科学问题中，混合语言策略是否仍然有效，这些都是值得探索的问题。 从技术发展的角度来看，这项研究开启了一个全新的研究方向。未来可能会出现更加精细的语言策略选择方法，比如根据问题类型自动选择最适合的思考语言组合，或者开发专门的"文化路由"系统，让AI能够根据用户的文化背景调整其思维模式。 更远的未来，这种多语言思维的概念可能会扩展到更广泛的认知多样性领域。也许我们能够训练AI使用不同的"思维风格"，比如科学思维、艺术思维、商业思维等，从而创造出真正多元化的人工智能系统。 对于普通用户和开发者来说，这项研究提供了一个立即可用的工具。现在就可以尝试在与AI对话时，要求它用不同语言进行思考，看看是否能获得更有创意和多样化的回答。随着这种方法的普及，我们可能会看到AI应用在创意性和文化适应性方面的显著提升。 说到底，这项研究最大的价值在于它揭示了一个简单而深刻的真理：多样性本身就是创造力的源泉。无论是在人类社会还是在人工智能系统中，拥抱不同的思维方式和文化视角，往往能带来意想不到的创新和突破。这个发现不仅对AI技术发展有重要意义，也为我们思考人类社会的多样性价值提供了新的视角。 Q&A Q1：什么是混合语言采样策略？ A：混合语言采样策略是让AI在回答同一个问题时，每次都用不同的语言进行内心思考推理，然后用英语给出答案。比如第一次用中文思考，第二次用法语思考，这样能获得15个来自不同思维模式的多样化答案，效果比单一语言思考要好得多。 Q2：为什么距离英语越远的语言思考效果越好？ A：研究发现AI大脑中不同语言占据不同的思维区域，距离英语越远的语言区域与英语区域的重叠越少，因此能产生更不同的思维模式。希伯来语、菲律宾语这些距离英语较远的语言，能让AI产生的答案多样性提升12个百分点以上。 Q3：普通用户如何使用这种方法提升AI回答的创意性？ A：用户可以在与AI对话时，要求它先用某种非英语语言思考，再用中文回答。比如说"请用法语思考这个问题，然后用中文告诉我答案"。也可以让AI用多种不同语言分别思考同一个问题，获得更多样化的解决方案。

编辑：金敏书