当面对复杂推理任务时，大型语言模型（LLMs）常依赖“多数投票”策略——即生成多个答案，选择出现频率最高的那个。这种方法在简单问题上有效，但在难题面前却可能失效。就像教室里一道难题，多数学生因共同的逻辑盲点而得出一致的错误答案，而唯一正确解法却藏在少数人之中。 为突破这一局限，Meta提出了一种名为AggLM的新方法，通过强化学习重新定义“正确答案”的判定标准。AggLM不再盲目信任“多数”，而是通过训练模型识别并奖励那些逻辑严谨、推理清晰的少数正确路径，即使它们不被广泛采纳。 该方法的核心在于构建一个“评判机制”，让模型学会区分“表面一致”与“实质正确”。它通过对比不同答案的推理过程，评估其内在一致性、逻辑链条完整性以及与已知事实的契合度，从而筛选出真正合理的解答。 AggLM的意义在于挑战“群体智慧”的神话，尤其在复杂、开放或信息不全的问题中，它能有效避免“集体错误”的陷阱。这一技术不仅提升了LLM在科学推演、数学证明、法律分析等高阶任务中的表现，也为构建更可靠、更可信的AI系统提供了新路径。 在AI竞赛日益激烈的今天，Meta正从“量”转向“质”——不再追求答案的普遍性，而是聚焦于答案的正确性与合理性。AggLM正是这一理念的体现：真正的智能，不在于随大流，而在于识破迷雾，找到那条少有人走却通向真理的路。