技术深度解析
这一突破的核心不在于模型架构，而在于输入表征方式。传统上，使用LLM解决数学问题的方法是直接输入自然语言的问题描述，期望模型给出直接答案。这会触发模型最强的能力：统计文本补全。模型基于训练数据预测最可能的令牌序列，而对于一个困难的数学问题，这往往通向死胡同或产生幻觉。
提示策略
研究人员采用了一种元提示（meta-prompt），明确指示模型优先考虑“非平凡、创造性且新颖的元素”。这是一种“引导”形式，将模型的隐含目标从“最小化困惑度”转变为“探索低概率但高价值的令牌序列”。在实践中，这意味着模型被鼓励偏离最可能的路径，考虑替代的表述、类比或结构重组。这类似于人类数学家被告知：“不要只是解题，要找到一个优雅、出人意料的解法。”
文件夹语言：一种新的抽象层
最具创新性的组件是“文件夹语言”。这是一种形式化的符号系统，将问题抽象为一组结构化的层级化符号。例如，一个关于住房可负担性的问题可以被编码为一组变量（收入、位置、供应）和运算符（约束、权衡、反馈循环）。模型接收的不是英文问题，而是文件夹语言表征。这迫使模型在受约束的符号领域内进行推理，剥离自然语言的噪声，防止其依赖训练语料中的记忆文本模式。
为何有效
LLM本质上是下一个令牌预测器。当用英文提问数学问题时，它们基于数十亿个数学问题和解答示例来预测下一个令牌。这往往导致听起来合理但错误的答案。文件夹语言打破了这一模式。模型看到的文件夹语言序列示例要少得多，因此无法依赖统计模仿。它必须进行一种内部搜索——一些研究人员称之为“系统2”推理——以在符号空间中导航。而要求创造性的提示进一步将这种搜索偏向于新颖的组合。
相关开源工作
虽然具体的文件夹语言实现尚未公开，但GitHub上已有相关工作。'Tree of Thoughts' (ToT) 仓库（超过10,000星）实现了类似的想法，引导LLM通过多个推理路径。'Chain-of-Thought' (CoT) 提示仓库（超过5,000星）展示了结构化提示如何改善推理。文件夹语言方法可以被视为CoT的一种极端形式，其中“思考”不是用自然语言，而是用形式化的符号系统。
数据表格：性能对比
| 方法 | 是否解决埃尔德什问题？ | 平均推理步数 | 令牌效率（每万令牌解决方案数） | 幻觉率 |
|---|---|---|---|---|
| 标准提示 | 否 | 3.2 | 0.4 | 38% |
| Chain-of-Thought | 否 | 8.1 | 1.1 | 22% |
| Tree-of-Thoughts | 部分解决 | 15.4 | 0.8 | 18% |
| 文件夹语言 + 创造性提示 | 是 | 22.7 | 2.3 | 9% |
数据要点： 文件夹语言+创造性提示组合不仅解决了问题，而且以更高的令牌效率和显著更低的幻觉率实现。这表明该方法并非偶然，而是推理质量的系统性提升。
关键参与者与案例研究
研究团队
这项研究归功于一个此前在神经符号AI领域发表过论文的小型独立研究小组。其首席研究员Elena Voss博士拥有数学逻辑和计算语言学背景。她公开表示：“模型早已知道如何推理；我们只需要用它的语言说话。”该小组有挑战规模扩展正统观念的历史。他们此前关于“零样本推理的语言约束”的论文（2024年）显示，简单的句法变化可以将逻辑推理能力提升40%。
竞争方法
| 方法 | 倡导者 | 关键优势 | 关键劣势 |
|---|---|---|---|
| 规模扩展定律 | OpenAI, Anthropic | 随算力提升可靠改进 | 收益递减，成本巨大 |
| 基于人类反馈的强化学习（RLHF） | OpenAI, Google | 使输出与人类偏好对齐 | 可能抑制创造力，成本高昂 |
| 工具增强型LLM（如Code Interpreter） | OpenAI, Microsoft | 外部验证 | 延迟，依赖外部系统 |
| 文件夹语言 + 创造性提示 | Voss et al. | 解锁潜在推理能力，低成本 | 需要手动设计抽象，尚未自动化 |
数据要点： 文件夹语言方法是唯一无需额外训练即可解决埃尔德什问题的方法。