给AI100次提问机会，3款模型问到30次后几乎不再进步

答案就藏在一篇论文里，AI可以连续提问100次，3款模型却在问到约30次后几乎不再进步。更有意思的是，把其他模型提出的问题交给它们挑，成绩就上去了。得州农工大学和约翰斯·霍普金斯大学团队在11月10日公开的Re-Search研究中，把这种“会选、想不出”的差距单独测了出来。

实验像科研版猜谜：团队从200篇ICML 2026论文中抽出研究问题，让6款模型尝试找回论文的核心办法。提问方看不到全文，另一款读过论文的模型回答“是”“否”或“不确定”，每10轮记录一次当前思路。结果并非整齐划一：GPT-OSS-120B、DeepSeek-V4-Flash和Qwen3.6后期基本停滞，Gemma和Claude Sonnet缓慢改善，GPT-5.4则继续明显进步。

为了分清是不会想问题，还是不会选问题，研究者让4款模型每轮各出一道候选题，再由其中一款决定问哪道。30轮后，GPT-OSS-120B的论文思路恢复评分从单独运行的4.16分升到5.20分，满分10分；让它自己一次想4道题，只到4.57分；从共同题库随机抽题，则是4.43分。候选问题的质量和挑选能力都重要，单纯多生成几次并不能完全补上差距。

这仍是一项预印本里的受控测试，不是AI已经独立做出新发现。评分由3款模型承担，人工比较498组思路记录时，与机器评委多数结论一致的比例为91.2%；研究也没有测试更新的模型，以减少它们提前见过目标论文的风险。共同题库还需要多款模型参与，且让GPT-5.4的成绩下降，因此不是普遍有效的免费升级。对使用AI做研究的人，结果提供了一个值得测试的办法：卡住时引入不同的问题和候选思路，可能比反复要求同一个模型继续想更有用。

来源时间：Muhan Gao等研究团队／arXiv，北京时间2026年11月11日02:47:22／美国东部时间2026年11月10日13:47:22（EST）。