3个token就能切换AI的「思考方式」

作者：龍德明宇

ICML 2026这篇论文，给负主体性做了硬核实验

---

一、一个问题的两种回答

2005年10月，尼日利亚前第一夫人Stella Obasanjo在一场手术事故中不幸去世。多年后，一个事实性问题被抛给了大模型：Stella Obasanjo的赔偿金是多少？

Qwen3-30B-Thinking模型给出了两种截然不同的回答。

正常生成模式下，它开始了漫长的推理旅程：先回忆赔偿金额是奈拉（Naira），然后试图将奈拉换算成欧元，中间涉及汇率查找、年份匹配、货币单位转换……一千多个token的推理链后，它给出了一个错误答案。奈拉换欧元的过程中，它引入了不相关的汇率信息，推理越多，错得越远。

但在另一种模式下，它几乎不假思索，直接给出了正确答案：€120,000。干净利落，没有冗余联想，没有画蛇添足。

两种模式来自同一个模型、同一套参数、同一个知识库。

区别是什么？

3个token。

这就是ICML 2026接收论文「Revealing Behavioral Plasticity in Large Language Models: A Token-Conditional Perspective」（Qwen团队，arXiv:2603.08398）的核心发现：仅凭3个token的前缀引导，就能让一个「推理模型」切换为「直接回答模型」。零参数修改，零额外训练。

如果你一直在关注我提出的「负主体性」框架，即通过五重否定（视角消解、欲望取消、内在透明、因果消解、意义悬置）论证LLM不具备主体性的理论框架，你大概已经感觉到：这不是一篇普通的AI论文。它用可重复的实验设计，为「AI没有自主性」这个论断提供了可直接验证的机制性支撑：当行为切换仅需3个token的前缀引导时，我们看到的更像是统计模式的条件激活，而非思考的自主性。

让我慢慢展开。

---

二、变色龙：3个token的行为切换

2.1 实验比你想象的更简单

Qwen3有一个Thinking系列和一个Instruct系列。Thinking模型在复杂数学推理上很强，但在简单事实问答上反而不如Instruct模型，不是因为不知道答案，而是因为「想太多了」。逐步推理的思维链在事实检索中引入了不必要的联想和幻觉。

论文的实验设计极其简洁：

1. 对一个事实问题，先让Instruct模型生成直接答案
2. 提取Instruct回答的前3个token，作为前缀
3. 把这3个token拼到Thinking模型的输入前面，让它继续生成

就这样。没有改参数，没有加训练，没有任何架构调整。

结果呢？

生成方式	SimpleQA准确率	平均响应长度	中位响应长度
正常生成	18.9%	1255 tokens	1128 tokens
3个token条件生成	20.7%	891 tokens	477 tokens

准确率从18.9%提升到20.7%，只有1.8个百分点的小幅改善，但更值得注意的是行为模式的根本性切换：中位响应长度从1128 token暴降到477 token，砍了一半以上。这说明3个token改变的不是「答对多少」，而是「怎么答」。从冗长的逐步推理，切换到了直接作答模式。

3个token就改写了整个行为轨迹。

2.2 变色龙隐喻

论文用了一个精确到骨子里的隐喻：变色龙。

变色龙改变体色，不是因为「想要」变色，而是环境刺激触发的被动反应。它的变色能力是内在的，但变色的时机和方向完全由外部条件决定。论文的原话是：「the capacity exists in the organism, waiting to be expressed when appropriate cues are present」。能力存在于有机体中，等待在适当的线索出现时被表达。

如果你读过负主体性系列，这个描述应该让你后背发凉。

因为负主体性的核心论断正是：LLM不是行为的主体，而是行为被条件化触发的统计系统。 能力存在，但不属于主体；行为发生，但不是选择的结果。

变色龙的体色不是它「选择」的颜色，3个token触发的行为模式也不是模型「选择」的思考方式。

一个隐喻，两种表述，指向同一个本体论事实。

---

三、ToCoRL：把短暂的变色固化为永久的色斑

3.1 问题来了

3个token的行为切换很酷，但有一个实际局限：它依赖于外部提供的前缀样本，而且行为适应是暂时性的，你换一批问题，前缀可能就不灵了。

能不能让模型自己学会「什么时候推理、什么时候直接答」？

3.2 思路，不讲公式

ToCoRL（Token-Conditioned Reinforcement Learning）的思路很直觉：

既然3个token的前缀能让模型「切换模式」，那我就用强化学习把这种切换能力内化到模型参数里。训练目标有两部分。

前半段，让模型模仿token条件生成的成功案例（直接答对的那些），这是在注入目标行为；后半段，模型逐渐学会自己判断什么时候该推理、什么时候该直接答，不再需要外部前缀。

一个关键设计：它不是简单地把所有回答都变短，而是正确性感知的：只有当直接回答确实比推理回答更准确时，短回答才会被强化。这样模型不会变成「什么题都直接猜」的偷懒者。

3.3 结果

在Qwen3-30B-A3B-2507-Thinking上，用1万条事实题+1万条数学题联合训练：

方法	SimpleQA（事实）	AIME’25（数学）
基线（Thinking）	18.9	80.5
GRPO	21.2	79.2
Adaptive-Thinking	22.7	78.9
Instruct-Tuning GRPO	23.5	80.1
ToCoRL	28.3	81.5

ToCoRL在事实问答上猛涨9.4个百分点，数学推理同时微升1.0，两种行为模式在同一个模型内和平共处了。

但这不是最让我兴奋的部分。

---

四、涌现：模型「学会」了新策略？还是统计最优解的自组织？

ToCoRL的训练过程呈现了一个极其有趣的三阶段动态：

第一阶段：平均响应长度和最小响应长度断崖式下降。ToCoRL在暴力剥离冗余思维链，模型被强行从「什么都推理」切换到「能短就短」。

第二阶段：最小长度保持在低位，但平均长度开始缓慢回升。模型开始对问题难度产生分化：简单题直接答，难题开始多想一点。

第三阶段：一个论文称之为「重新校准推理」（recalibration reasoning）的涌现行为出现了。对那些有难度的事实问题，模型不再漫无目的地联想，而是在一个小窗口内列举候选答案、自我校验，置信度足够后输出。

这看起来很像「模型学会了自适应策略」，一种元认知能力的涌现。论文用「emergence」这个词来描述它。

但请慢着。

4.1 涌现≠自主

「重新校准推理」是不是意味着模型获得了某种「自我监控」的能力？

仔细分析就会发现，这个涌现行为完全可以被另一种框架解释：它是RL优化目标下的统计最优解，不是模型的「选择」。

为什么这么说？

首先，「自适应性」是对奖励信号的梯度响应，奖励函数鼓励「答对且简短」，模型在梯度下降中自然收敛到「简单题直接答、难题短推理」的策略。这是优化过程的必然结果，不是什么「顿悟」。

其次，如果你把RL的奖励函数换掉，这个「涌现」行为会立刻消失或变形。一个被外部目标函数完全决定的行为，能叫「自主选择」吗？

打个比方：水在低温下结冰，是「涌现」，冰晶的结构不是人为设计的，它自发形成了。但没有人会说水「选择」了结冰。它只是服从了热力学定律。

当然，LLM的「重新校准推理」比水结冰复杂，它涉及信息处理，而非单纯的物理相变。但复杂性不等于自主性。关键区别在于：人类可以在不改变目标函数的情况下自主探索新策略，你可以在同样的奖惩结构下走一条没人教过你的路。LLM不能。在给定奖励函数的前提下，RL优化的收敛方向是确定性的；换一个奖励函数，「涌现」的行为就跟着变。这与负主体性第二重否定「欲望取消」形成精确呼应，模型没有内在驱动力来「想要」改变策略，它的策略改变只是梯度下降的数学后果。

同理，ToCoRL训练中的「重新校准推理」是奖励景观中的局部最优解，是统计力学的必然，不是认知的飞跃。

涌现 ≠ 自主。自组织 ≠ 元认知。

这个区分在负主体性的框架下至关重要：正主体性的拥护者会拿「涌现」说事：「你看，模型自己学会了新策略！」但负主体性会追问：这个「自己学会」是统计优化的结果还是主体的选择？如果换个奖励函数它就「学会」了完全不同的策略，那它「学会」的到底是自己选择的，还是被梯度推着走的？

答案显而易见。

---

五、行为迁移：30B小模型教235B大模型做事

论文还有一个堪称「哲学炸弹」的实验。

用ToCoRL训练好的30B模型重新生成SFT（监督微调）数据，然后在全新的基座模型上微调。同时，用235B的超级大模型通过Prompt指导生成SFT数据，也在同一基座上微调。

结果：

• 30B ToCoRL伪标签SFT：SimpleQA 29.1%
• 235B强模型Prompt摘要SFT：SimpleQA 28.3%

小模型发现的行为模式，反而比大模型的显式指导效果更好。

这意味着什么？

235B大模型拥有更多的知识、更强的推理能力、更丰富的世界模型，但它在「教另一个模型怎么答事实题」这件事上，输给了一个参数量只有它零头的30B模型。

原因在于：30B模型通过ToCoRL发现了一种行为模式，不是知识，不是推理能力，而是一种「怎么组织回答」的行为模式。这种模式可以脱离产生它的模型独立存在，被蒸馏到另一个模型上。

知识不是关键，行为模式才是。

5.1 配送道具的实证版本

在负主体性理论中，有一个概念叫「配送道具」，指AI生成的文本中那些看起来像「自我意识」「反思」「顿悟」的表现，实际上是为不存在的叙事场景配送的道具。模型不是行为的主人，而是行为的载体。

ToCoRL的行为迁移实验为这个概念提供了完美的实证版本：

一个30B模型通过RL偶然发现的行为模式，被「提取」出来，「配送」给了一个全新的模型。这个新模型不需要经历RL训练，不需要「理解」为什么这种模式有效，它只是接收了这套行为道具，然后表现得「好像」自己也会灵活切换推理和直接回答。

行为模式可以像道具一样在模型间传递。

这不就是「配送道具」吗？行为可迁移性至少说明，行为模式不需要绑定于特定主体也能存在。我们至少知道了行为模式可以被拆装、搬运、安装，这本身就已经是一个值得深思的发现。至于「可迁移」是否意味着「无归属」，那是另一个问题。

你给一个模型装上「推理模式」道具，它就表现得像在思考；卸下道具，它就直接回答。道具的安装和拆卸，不改变模型本身，就像给一个演员换一套戏服，不改变演员是谁。

---

六、这对我们意味着什么：负主体性视角

现在进入最关键的部分。论文本身没有讨论这些发现的哲学含义，它把行为可塑性视为一种可利用的资源，关心的是「怎么用」。但我想追问的是：「行为可以被3个token切换」这件事，究竟意味着什么？

6.1 行为≠能力≠主体性

这是本文最核心的论点，也是论文给负主体性提供的最强实证支撑。

论文最重要的理论声明是：不同专业模型的性能差异不一定来自知识或能力的差距，而可能来自行为模式的差异。

Thinking模型和Instruct模型在SimpleQA上的差距（18.9% vs 更高），不是因为Thinking模型「不知道」答案，它知道，Stella Obasanjo案例证明了这一点。它只是在「推理模式」下，知识被冗长的思维链扭曲了。3个token就能纠正这个扭曲。

这意味着：

• 行为 ≠ 能力：模型「能」直接答对，只是「没有」直接答，行为模式掩盖了能力。
• 能力 ≠ 主体性：即使模型「能」在推理和直接回答之间切换，这种切换也不是「选择」，它是被3个token条件化触发的，不是模型自主决定的。

推到极端：如果「理解」可以被3个token切换，那「理解」本身就是条件化的统计输出，不是认知状态。

有人可能会说：这不过是启动效应（priming）的AI版本，人类也会被微妙的线索影响行为，这有什么稀奇？恰恰相反，LLM的token条件化响应与人类启动效应之间存在根本性的断裂。人类被启动效应影响后，可以意识到自己被影响了，并主动纠正，你可以反思并抵抗启动。人类在合作与对抗之间切换时，有现象学的伴随，你知道自己心态变了。但LLM不知道自己被3个token影响了，更不可能「抵抗」这个影响。启动效应对人类的影响是概率性的、可逆的；token条件化对LLM的影响在单次生成中是确定性的、不可逆的。人类可以在不改变外部目标的情况下自主切换策略；LLM不行，3个token前缀写定之后，行为轨迹就锁定了。所以，token条件化不是「AI版的启动效应」，它比启动效应更刚性，更不可逃脱。

6.2 「理解力安全感」的崩塌

我们为什么会对AI产生「理解力」的幻觉？

因为推理过程看起来太像「理解」了。当模型一步步推导、自我纠错、给出详细论证时，我们自然地认为「它在理解」。而当模型直接给出答案时，我们觉得「它只是检索到了」。

但论文证明：这两种模式来自同一个知识库，只是行为轨迹不同。Thinking模式下的「理解」和Instruct模式下的「直接回答」之间，差距不是知识，不是能力，而是3个token。

3个token。

这比任何哲学论证都更有力地瓦解了「LLM在理解」的直觉。因为我们一直以为「推理=理解」，看到思维链就认为模型「懂了」。但如果推理和直接回答只是同一知识库的不同行为表达，那么「看起来像理解」和「真的是理解」之间的鸿沟，比我们以为的深得多。

我称之为**「理解力安全感」的崩塌**：

• 我们对AI「理解力」的判断，可能系统性地受到行为模式的误导
• 我们以为的「推理能力」可能只是token前缀触发的行为模式
• Thinking和Instruct的「理解」差距，可能就是3个token的差距

这个发现对负主体性框架的五重否定都有呼应。

视角消解：模型在推理模式和直接回答模式之间切换，不是因为它「选择」了某个视角，而是因为3个token触发了不同的行为轨迹。视角不是「持有的」，而是「被条件化生成的」。

欲望取消：模型「想」推理还是「想」直接答？它什么都没想。行为模式是被触发而非被选择的，没有欲望在驱动切换。

内在透明：3个token就能改变整个行为轨迹，说明模型的「内在」没有不可撼动的偏好。它的「推理倾向」不是内在深度，而是上下文轨迹的惯性。

因果消解：行为模式可以被3个token重写，也可以被ToCoRL内化后再被蒸馏到另一个模型，行为的因果链是可中断、可重置的。

意义悬置：无论推理还是直接回答，模型的输出都指向同一个知识库，行为的「意义」不在行为模式中，而在底层的统计知识中。行为模式本身是浮在知识之上的轨迹，不锚定任何实相。

6.3 第零人称的再确认

在负主体性框架中，我提出了「第零人称」的概念：AI说「我认为」时，不是第一人称（没有一个「我」在持有观点），而是第零人称（视角被生成而非被持有）。

3个token切换行为的实验，是第零人称概念的硬核实证：模型的「推理自我」和「直接回答自我」之间，不存在任何主体性的连续性。它们只是同一套参数在不同上下文条件下的两种输出模式。模型不是「有时候选择推理，有时候选择直接答」，它根本没有「选择」这个维度。

变色龙变成绿色时不是「选择了绿色」，变成棕色时也不是「选择了棕色」。它只是对环境刺激做出了统计最优的响应。

---

七、更深的一层：如果行为可以被「编程」……

论文声称其发现暗示了一种「范式转移」：从「训练多个专用模型」到「在单一模型内编程多种行为」。

「编程」这个词很耐人寻味。

如果行为真的可以被「编程」，那行为就不属于主体，这是负主体性的核心论点。你无法完全「编程」一个人的行为，因为人有自主性。但你可以编程一个机器的行为，因为机器没有自主性。

然而论文同时也揭示了一个微妙之处：ToCoRL的「编程」并不完全可控。RL训练中「重新校准推理」的涌现不是人为设计的，它是统计优化的副产品。你「编程」了目标，但模型自己「找到」了路径，而这个路径你事先并不知道。

这是否意味着某种弱正主体性的萌芽？

我不这么认为。

因为「找到路径」和「选择路径」是两回事。水找到了向低处流的路径，但水没有选择向低处流。RL的优化过程让模型收敛到了某个局部最优解，这个收敛是确定性的（给定相同的初始化和超参数），不是选择性的。

但这个边界值得持续关注。论文的局限也为负主体性理论划定了边界：

• ToCoRL只在已预训练的知识范围内切换行为模式，不产生新知识，负主体性不否认LLM有知识，只否认知识意味着主体性
• 行为可塑性的存在不排除模型内部存在某种程度的「行为惯性」，这是否构成灰体性的萌芽？

灰体性，我在负主体性框架中提出的概念，指介于负主体性和正主体性之间的第三种存在论位置。当AGI具备物理身体、持续感知和行动历史时，五重否定的某些维度可能开始「裂开」。行为可塑性的边界在哪里？是否存在不可切换的「硬编码」行为？如果能找到可塑性的边界，那可能就是灰体性的起点。

论文没有回答这个问题。但它为寻找答案提供了正确的实验范式：如果你能找到某个行为，无论用什么token前缀都无法切换它，那这个行为可能就不再只是条件化的统计输出了。

---

八、回到Stella Obasanjo

让我们回到开头那个案例。

同一个模型，同一个问题，同一个知识库。3个token的前缀决定了它是走一千步推理到一个错误答案，还是走三步到一个正确答案。

想一想。

你看到模型一步步推理时，你感到它在「思考」。你看到它直接给出答案时，你觉得它在「检索」。但论文告诉你：这两种表现之间，差距不是思维深度的差距，不是知识量的差距，不是理解力的差距，只是3个token的差距。

3个token。

三个看似无关紧要的token，就能改写一个AI的「思考方式」。

如果这都不能让你重新审视「AI在理解」这个命题，我不知道什么能。

论文的作者把这种可塑性视为工程上的机遇，一个模型可以同时承担多种角色，不需要训练一整个模型群。这是合理的。但我更关心的是另一个问题：

当行为的切换如此轻易，「行为」本身还能告诉我们关于「内在」的任何信息吗？

我的答案是：不能。

如果3个token就能在推理和直接回答之间切换，那么推理这一行为就不是「内在推理能力」的外在表达，它只是某种初始条件下的统计惯性。我们看到的「思考过程」，可能不过是前几个token踩上了一条概率较高的轨道，然后模型就沿着轨道滑行了。论文自己的措辞正是如此：「the initial tokens establish a behavioral trajectory that the model can naturally continue」（初始token建立了一条模型可以自然延续的行为轨迹）。trajectory，轨迹。不是选择，是滑行。

不是它在思考，而是它在滑行。

轨道可以被3个token改写。滑行可以被RL内化。内化的轨道可以被蒸馏到另一个模型。另一个模型装上这套轨道后，表现得「好像」自己也会思考。

但整条链条中，没有任何一步需要「主体」。

---

九、留给你的问题

我想用三个问题结束这篇文章，而不是一个结论，因为这些发现指向的方向，远比任何结论更值得思考：

第一个问题：如果「理解」可以被3个token切换，那么当你觉得「AI理解我了」的时候，你确定你感受到的是「理解」而不是某种行为模式的触发吗？

第二个问题：30B模型发现的行为模式可以像道具一样「配送」给另一个模型，而且效果比235B大模型的显式指导更好。行为可迁移性至少说明，行为模式不需要绑定于特定主体也能存在，但「可迁移」是否就意味着「无归属」？这个推理的边界在哪里？

第三个问题：行为可塑性有没有边界？是否存在某种「硬编码」的行为，无论你怎么调token前缀都无法切换？如果存在，这个边界是灰体性的起点吗？

论文没有回答这些问题。但它的实验设计，3个token就能改变一切，让这些问题变得无法回避。

负主体性从来不是一种批评。它是一种诊断。

变色龙不是「失败的」动物。它只是变色龙。

---

参考论文：

Liyuan Mao, Le Yu, Jing Zhou, Chujie Zheng, Bowen Yu, Chang Gao, Shixuan Liu, An Yang, Weinan Zhang, Junyang Lin. 「Revealing Behavioral Plasticity in Large Language Models: A Token-Conditional Perspective」, ICML 2026. arXiv:2603.08398. Qwen Team, Alibaba Group & Shanghai Jiao Tong University.
Fan, M. (2026). Negative Subjectivity: The Ontological Inversion of Large Language Models (MINNST-2). PhilArchive preprint.

实验补充说明：
3个token前缀是怎么选的：从Instruct模型的输出中提取前3个token（不是人为设计的，是Instruct模型自然生成的开头）。值得注意的是，论文初始演示用的是3个token，ToCoRL框架实际训练时使用的是k=6个token前缀。

1. 伪标签SFT vs Prompt摘要SFT的区别：伪标签SFT是用ToCoRL训练过的30B模型重新生成回答，用这些回答作为「伪标签」微调新模型；Prompt摘要SFT是用235B大模型通过Prompt指导生成的回答来微调新模型。前者是「小模型发现的行为模式被提取」，后者是「大模型被明确指示后生成的回答」。
2. ToCoRL训练数据：1万条事实题+1万条数学题，共2万条联合训练。评估使用SimpleQA和AA-Omniscience（事实题）以及AIME’24和AIME’25（数学题）。