AI 想得清不清楚，能靠数“洞”判断吗？
目录
读一段很长的 AI 解题过程，你可能遇到过这种感觉：每句话似乎都认识，几个概念却始终没有接起来。
两位数学研究者给出了一个有趣的观察角度：先把词语之间的联系画出来，再看看里面的“洞”多久才能填上。
Krzysztof Kapulkin 和 Nathan Kershaw 在 2026 年 11 月 2 日提交的预印本《Reasoning is topologically simple》中，尝试用这种结构统计量研究推理文本。论文记录
AI 概念插画，并非论文中的实验图。
这个“洞”，到底是什么？
可以先想象三个圆点，分别代表三个词。
前面几句话让它们两两相遇，三条边围成一个空心三角形。后来，三个词终于出现在同一句话里，三角形内部才被填上。这只是最简单的示意，真实文本会形成更大的结构。
研究保留句子的先后顺序，把词当作节点、同句出现当作联系，统计一维空洞持续了多久，再与随机打乱后的结果比较。它不需要另请一个语言模型来读题打分。方法与实现
这里的“洞”是数学结构里的空洞。算法看到几个词共同出现，并不能直接确认作者把道理讲通了。 把所有关键词塞进同一句话，也不会自动变成好解释。
强模型的文字，确实有一点不同
研究包含文本类型、人类与 AI 数学论文、模型能力和模拟破坏任务四组比较。
其中一组让 48 个开放权重模型回答 30 道 AIME 2026 题目，只分析推理文本的前 100 句，不足 100 句的样本不计分。作者发现，模型能力指数 ECI 与这项拓扑统计量的 Spearman 相关系数约为 −0.444：总体上，能力更强的模型，词语共现结构更简单。实验设置及数据
不过，这比较的是各模型的汇总表现。拿到某一道题的回答，仍不能靠这个数字判断答案对不对。
那能不能拿来抓“偷偷干坏事”？
另一组实验给同一个模型安排正常任务，再额外加入需要隐瞒的破坏任务。在 26 组任务比较中，有 19 组是正常条件下的平均结构更简单。论文结果
这很容易被讲成“AI 一撒谎，思路就会打结”。但实验只用了一个模型，而且比较的是每种条件多次运行的平均值。作者明确说，单次运行的区分能力与误报率还没有评估。它离可靠的报警器还有距离。
写作习惯、词汇选择、编辑程度都可能影响结果；同义词和词形变化也没有合并处理。论文提出的是一种值得继续验证的关联，尚未把这些因素与推理质量分开。
我更愿意把它看成一个研究提醒：评估 AI 的长篇解释，除了检查答案，也可以寻找那些能被独立计算、反复检验的结构线索。
至于读者，最实用的问题依然很朴素：这几个概念，究竟在哪一步真正连起来了？
原文与日期
以上实验数字均为作者报告。本文核对了公开结果表，未独立复现实验。