Google Research 研究：推理如何解锁 LLM 的参数化知识

Google Research 在 COLM 2026 发表的论文揭示，让模型生成推理轨迹能解锁原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两个机制：计算缓冲效应（用无意义文本填充推理长度也能提升召回）和事实启动（生成相关事实为正确答案做语义预热）。