# Google 发现让模型先想一会儿，能把它训练时记住但平时想不起来的知识挖出来

> 原标题：Thinking to recall: How reasoning unlocks parametric knowledge in LLMs

- 来源：Google 研究院
- 发布时间：2026-06-24T16:51:52.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/41185
- 原文：https://research.google/blog/thinking-to-recall-how-reasoning-unlocks-parametric-knowledge-in-llms/

## 摘要

这篇博客讲的是推理如何帮大模型从自己的参数里“回忆”事实。他们拿 Gemini 2.5 Pro 在 Natural Questions 上测，不给推理机会时准确率大概 40%，让它先思考再回答，准确率直接跳到 70% 以上。提升不是靠外挂资料库，而是模型在推理过程中把模糊的记忆碎片串成可验证的链条，推理步骤里经常出现自我提问和事实核查。

## 推荐理由

Google 用 Gemini 2.5 Pro 在 Natural Questions 上测试发现，模型先推理再作答时准确率从约 40% 升到 70% 以上，推理过程会把模糊记忆串成可核查的事实链条。

## 锐评

40% 到 70% 这个跳升，做 RAG 的看了会有点难受。同一个模型同一批问题，多给点 token 让它先想，就能从参数里挖出这么多事实，平时答错的一大半是没被逼着去回忆。检索这一层补的，就是模型不肯想的那部分。

只在 Natural Questions 上测，这数据集本来就偏简单，换个多跳或者时效性强的任务，70% 大概率保不住。先想再答这个成本我认，比多挂一个向量库便宜。
