GPT-6 Astra 的隐藏推理，丹麦团队用 tool calling 撬出来了

丹麦奥尔堡大学 AI 安全实验室与 Seafill 开源社区联合发表研究，通过标准 API 的 tool calling 协议层方法，成功提取多款前沿大模型的隐藏思维链，经开源、闭源模型验证，提取出的推理内容接近模型原生推理，可作为研究其推理行为的有效代理。研究首次拆解 GPT-6 Astra 的推理机制，发现其推理树结构更紧凑，会像人做心算一样省略基础推导等细粒度中间步骤，仅外显关键结论，整体推理活动类型与其他前沿模型相近，只是外显内容更少。进一步测试显示 Astra 生成的压缩思维链仅对强模型友好，弱模型难以补全省略步骤、容易答错。该研究得出三点启示：安全层面需全方位覆盖模型行为防护，不能仅依赖关闭原生推理通道。思维链层面强模型的效率来自减少外显而非减少推理，适配其行为的提示词效果更好。训练数据层面最强模型的压缩思维链并非最优监督来源，将其展开为显式步骤才能更好适配弱模型的学习需求。