一道题最后答对了，不代表推理过程真的可靠。就像面对两家收益未知的店，AI 可能只是根据现有评价选对了，却不愿尝试信息更少的那家。这篇论文追问的正是：推理时思考——回答前生成较长的中间推演——究竟让模型更会利用证据，还是更会寻找缺失信息。
作者让十个开放权重模型完成配对设计的“双臂老虎机”实验：模型反复在两个回报未知的选项间选择，并分别以思考和不思考模式作答。认知模型——用少量可解释参数拆解决策行为的数学模型——显示，思考平均会加强依据当前价值做选择的倾向，并减少与不确定性无关的随机失误；但两项探索指标都没有提供支持：模型既未更偏向信息较少的选项，也未随着总体不确定性上升而表现出更强的探索性变化。
换句话说，多想一会儿主要改善了“证据用得对不对”，没有让模型明显更愿意主动求证。作者也谨慎指出，思考长度和信心变化只与元认知控制、监测相符，尚不能证明这些过程真实存在。