镜子地平线：可行路径熵作为有限反思的度量
从“表示”到“延续”：Mirror Theory 提出能力新度量
在人工智能研究中，衡量一个智能系统的能力通常依赖其一次性准确率或pass@k等指标。然而，一篇来自 arXiv 的新论文《Mirror Horizon: Viable Path Entropy as a Measure of Bounded Reflection》提出了一个更具动态性的视角：Mirror Theory（镜像理论）。该理论认为，智能系统不仅应被研究它“表示”了什么，更应关注它在反复反思下能维持多少连贯的延续。论文将此概念操作化为 可行路径熵（Viable Path Entropy, VPE），一种在有限预算下衡量已验证延续能力的指标。
VPE 的构成与理论基础
给定一个镜像状态、一个展开协议、一个验证器和一个模式映射，VPE 将有限能力分解为两部分：
- 到达可行延续的概率；
- 成功展开中到达的已验证延续模式的多样性。
论文为这一度量构建了完整的理论框架，引入四个关键概念：
- 直觉（Intuition）：作为局部的欠定约束；
- 品味（Taste）：作为选择不变量的压力；
- 反思（Reflection）：作为品味引导下解决欠定性的过程；
- 几何（Geometry）：作为学习到的结构，使未来的反思更稳定。
这些概念共同解释了智能系统如何在有限资源下实现连贯的推理链条。
实验验证：GSM8K 数学推理
研究者在 GSM8K 数学推理数据集上，使用 Qwen2.5-Instruct 系列模型（包括 0.5B、1.5B、3B 参数量）进行了实验。每个问题采样 32 条展开路径，并设置两种反思预算（96 和 160 token）。结果显示：
- 将 token 预算从 96 增加到 160，显著扩大了已验证的可达性，减少了零可达情况，增加了已验证模式的熵，并改善了平滑后的 VPE。
- 在 160 token 预算下，Qwen2.5-1.5B 实现了测试模型中最强的“镜子地平线”，尽管 Qwen2.5-3B 参数量更大。
这表明 镜子地平线并非参数数量，而是在有限反思协议下可访问的已验证延续能力。
行业意义：能力度量的新方向
传统上，大语言模型的能力常与参数量挂钩，但该研究通过 VPE 揭示了另一维度：在有限计算预算下，模型维持连贯推理路径的能力。这为评估模型的实际推理效率提供了新工具，尤其适用于需要多步推理和反思的场景（如数学、代码生成、复杂问答）。
Mirror Theory 作为度量层面的理论，将能力定义为“可到达的可行延续的结构”，而非一次性准确率。这或许会推动未来 AI 评估从静态基准向动态反思能力的转变，也为理解模型的内在一致性提供了新视角。