CoT（Chain-of-thought）大家都很熟悉了，通過模仿「人類解題思路」，進而大幅提升語言模型的推理能力。

這幾天，一個名為 CoRT（Chain-of-Recursive-Thoughts）的概念火了！從名稱上來看，它在 CoT 中加入了「遞歸思考」這一步驟。

具體來講，CoRT 能讓 AI 模型遞歸地思考它們的響應，生成替代性方案，并從中選擇最佳的一個。

這就像賦予了 AI 自我質疑或反駁的能力，并一遍一遍地嘗試。

通過將「結構化自我批判」和「遞歸思考模式」結合起來，提升語言模型的推理能力。

短短兩周時間，CoRT 在 GitHub 的星標數已經快突破 2k 了。

GitHub 地址：https://github.com/PhialsBasement/Chain-of-Recursive-Thoughts

從技術原理來講，相較于傳統的 CoT，CoRT 讓語言模型不僅能分步驟思考，還能在思考過程中反復回頭檢查、修正，形成類似于人類的「反思性思維」或「內省」的推理路徑。

然而，很多網友對 CoRT 的出現并沒有感到太激動。CoRT 是讓 LLM 更努力思考的不錯技巧，但稱不上什么新穎的 idea。它的工作原理就像一個加入了遞歸組件的元提示（meta-prompt）。

還有網友指出，這種方法在 2023 年的論文中《Improving Factuality and Reasoning in Language Models through Multiagent Debate》就出現了。

有網友發出疑問：CoRT 不就是現在大多數 LLM 的思考模式嗎？

比如在 Cursor 中配置的 Gemini 2.5 Pro，它的 CoT 就是這樣做的。模型會思考一分鐘，并反駁自己的答案，直到找到最無力反駁的答案。

再比如，CoRT 不就是 Qwen 和 R1 中的「but wait」模式嗎？模型一直思考，并自我反駁，兩者似乎沒有什么不同。

大家覺得，CoRT 是不是「新瓶裝舊酒」呢？請在評論區留言。

項目介紹

根據項目介紹，CoRT 的訣竅在于以下四個方面：

• 自我評估；
• 有競爭力的替代生成方案；
• 迭代優化；
• 動態思維深度。

工作流程包括了以下四個步驟：

首先，AI 生成初始響應。

其次，AI 決定它需要多少輪「思考」。

接著，對于每一輪思考：

• 生成 3 個替代性響應；
• 評估所有響應；
• 選擇最佳響應。

最后，最終響應就是這場 AI 大混戰的幸存者。

Web 界面使用方式（仍處于早期開發階段）

一，打開 start_recthink.bat

二，等待一會，讓它安裝依賴項

三，配置成功

如果你是運行在 linux 系統上，則依如下：

打開一個新的殼層（shell）:

效果怎么樣呢？

作者使用 Mistral 3.1 24B 進行了測試，根據他的說法，CoRT 在編程任務中的表現從「meh」（一般般）升到了「holy crap」（碉堡了）。

我們來看一下示例，下圖為 Mistral 3.1 24B+CoRT：

下圖為 Mistral 3.1 24B 無 CoRT：

從結果來看，使用 CoRT 前后，Tic-tac-toe（井字棋）游戲從基礎的 CLI（命令行界面）變成了完全的 OOP（面向對象編程）。