CoT（Chain-of-thought）大家都很熟悉了，通过模仿「人类解题思路」，进而大幅提升语言模型的推理能力。
这几天，一个名为 CoRT（Chain-of-Recursive-Thoughts）的概念火了！从名称上来看，它在 CoT 中加入了「递归思考」这一步骤。
具体来讲，CoRT 能让 AI 模型递归地思考它们的响应，生成替代性方案，并从中选择最佳的一个。
这就像赋予了 AI 自我质疑或反驳的能力，并一遍一遍地尝试。
通过将「结构化自我批判」和「递归思考模式」结合起来，提升语言模型的推理能力。
短短两周时间，CoRT 在 GitHub 的星标数已经快突破 2k 了。
GitHub 地址：https://github.com/PhialsBasement/Chain-of-Recursive-Thoughts
从技术原理来讲，相较于传统的 CoT，CoRT 让语言模型不仅能分步骤思考，还能在思考过程中反复回头检查、修正，形成类似于人类的「反思性思维」或「内省」的推理路径。
然而，很多网友对 CoRT 的出现并没有感到太激动。CoRT 是让 LLM 更努力思考的不错技巧，但称不上什么新颖的 idea。它的工作原理就像一个加入了递归组件的元提示（meta-prompt）。
还有网友指出，这种方法在 2023 年的论文中《Improving Factuality and Reasoning in Language Models through Multiagent Debate》就出现了。
有网友发出疑问：CoRT 不就是现在大多数 LLM 的思考模式吗？
比如在 Cursor 中配置的 Gemini 2.5 Pro，它的 CoT 就是这样做的。模型会思考一分钟，并反驳自己的答案，直到找到最无力反驳的答案。
再比如，CoRT 不就是 Qwen 和 R1 中的「but wait」模式吗？模型一直思考，并自我反驳，两者似乎没有什么不同。
大家觉得，CoRT 是不是「新瓶装旧酒」呢？请在评论区留言。
项目介绍
根据项目介绍，CoRT 的诀窍在于以下四个方面：
- 自我评估；
- 有竞争力的替代生成方案；
- 迭代优化；
- 动态思维深度。
工作流程包括了以下四个步骤：
首先，AI 生成初始响应。
其次，AI 决定它需要多少轮「思考」。
接着，对于每一轮思考：
- 生成 3 个替代性响应；
- 评估所有响应；
- 选择最佳响应。
最后，最终响应就是这场 AI 大混战的幸存者。
Web 界面使用方式（仍处于早期开发阶段）
一，打开 start_recthink.bat
二，等待一会，让它安装依赖项
三，配置成功
如果你是运行在 linux 系统上，则依如下：
打开一个新的壳层（shell）:
效果怎么样呢？
作者使用 Mistral 3.1 24B 进行了测试，根据他的说法，CoRT 在编程任务中的表现从「meh」（一般般）升到了「holy crap」（碉堡了）。
我们来看一下示例，下图为 Mistral 3.1 24B+CoRT：
下图为 Mistral 3.1 24B 无 CoRT：
从结果来看，使用 CoRT 前后，Tic-tac-toe（井字棋）游戏从基础的 CLI（命令行界面）变成了完全的 OOP（面向对象编程）。
