推理解锁参数记忆：DeepMind揭示大语言模型知识提取新机制

Google DeepMind近日发布研究论文《Thinking to recall: How reasoning unlocks parametric knowledge in LLMs》，深入探讨了推理过程对大语言模型知识提取的影响机制。研究表明，当模型进行多步推理时，其参数化记忆中的事实知识会被更有效地激活和提取。实验显示，通过引导模型进行推理思考，事实回忆的准确率可提升高达20%。这一发现不仅揭示了LLM内部知识组织的动态特性，也为优化模型知识检索提供了新思路。研究人员指出，该机制类似于人类通过逻辑推导唤醒记忆的过程，未来可应用于增强模型的可靠性和事实一致性。