注册

SOMA：用System One模型持续监控推理过程并干预

论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

arXiv 上一篇论文提出 SOMA 框架，让 System One 决策模型在 System Two 推理模型运行过程中持续监控，并在需要时介入。SOMA 分三层：场景层用自然语言描述目标并给出预设动作；感知层由 S1 判断所述行为是否出现；控制层累积这些判断，先提醒推理模型，若问题持续才接管。同一套 S1 模型与控制器跨任务共用且无需训练，在两个推理模型上分别应对过度思考与不可回答问题两类失败：过度思考场景下推理 token 最多减少 36% 且平均准确率提升，不可回答问题场景下弃答率从 70.5% 升至 87.2%。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

把监控从推理里拆出来

SOMA 的思路来自对人类元认知的类比：快速的直觉信号负责盯着过程，缓慢的审慎推理负责推进内容，前者帮助判断该继续、改道还是停下。研究把这一分工搬到模型侧，让 System One 决策模型承担监视角色。这类模型的特点是针对一段文本提出的自然语言问题，在一次快速调用中给出经过校准的概率，此前多被当作推理开始前的闸门使用。SOMA 让它在推理进行中持续工作，而不是只在入口处判断一次。

三层结构如何接力

SOMA 由三层组成。场景层用自然语言陈述每个目标，并预先设定可执行的动作；觉察层由 System One 模型判断所述行为是否出现；控制层把一次次判断累积起来，先对 System Two 推理模型作出提醒，只有当该行为持续存在时才接管。三层共用同一个 System One 模型和同一个控制器，跨任务使用，且不需要训练。这种先提醒、后接管的顺序，使干预强度随问题持续程度递增。

两类失效的应对

材料给出两个具体场景。其一是过度思考：SOMA 减少推理所消耗的 token，同时平均准确率有所提升。其二是不可回答的问题：模型选择不作答的比例由原来的水平提高到更高水平。两个场景分别对应推理模型在自身文本里已露出症状却不自知的情形，SOMA 的作用是在症状可见时把它识别出来并触发相应动作。论文摘要未展开各任务的具体设置与评测细节。

适用范围与限制

从材料看，SOMA 的定位是面向 System Two 推理过程的持续监控与干预，依赖 System One 模型对自然语言描述的行为作出概率判断，因此目标需要能被写成自然语言问题，动作也需要预先在场景层定义。共用一套模型与控制器、无需训练，意味着它不针对单一任务重新拟合；但材料没有说明这套配置在更多任务类型上的表现，也没有给出误报或漏报方面的数据。对使用推理模型的一方而言，可关注的是把监控与推理分离这一做法，以及提醒优先于接管的干预次序。

为什么值得看

把轻量 S1 模型从推理前的门控变成全程监控与干预器，给出可复用的推理纠错思路与量化收益。

推理模型论文

信源1 家

  1. [1]arXiv cs.AI一手信源SOMA: Continuous Monitoring and Intervention for System Two Reasoning with System One Models

关键事实

  • SOMA 由场景层、感知层、控制层三部分构成，控制层先提醒 S2，行为持续才接管[1]

  • 同一 S1 模型与控制器跨任务共享，且不需要训练[1]

  • 在过度思考问题上，推理 token 最多减少 36%，平均准确率同时提升[1]

  • 在不可回答问题场景，弃答率由 70.5% 提高到 87.2%[1]

  • 论文于 2026 年 10 月 19 日提交至 arXiv cs.AI，编号 2610.26793[1]

相关 · 论文

研究者提出用「逆向博弈论」约束AI智能体行为

11月3日 周二·AI 58

北大孙仲联合IBM等发布综述，重新定义现代模拟计算

11月3日 周二·AI 72

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

11月3日 周二·AI 78

Pixel-UMI：从传感器化人类演示学习全身操作策略

11月3日 周二·AI 72

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论