这项由延世大学的郭敏珠、金在亨以及OneLine AI的孙桂金等研究者共同完成的突破性研究，发表于2025年10月的arXiv预印本平台，论文编号为arXiv:2510.06953v1。对于那些想深入了解这项研究细节的读者，可以通过该编号在arXiv平台上查询完整论文。
想象一下，当你和朋友聊天时，如果信息传递得过快，朋友会感到困惑；如果传递得过慢，朋友又会觉得无聊。心理语言学中有一个叫做"均匀信息密度"的理论，说的就是人类在交流时会本能地调节信息流的节奏，让对方既不会被信息轰炸，也不会觉得信息匮乏。就像一个经验丰富的老师知道如何控制讲课的节奏，让学生既能跟上又不会厌烦一样。
现在，研究团队把这个理论应用到了大型语言模型的推理过程中。当ChatGPT或者其他AI模型在解决数学题时，它们也会产生一步步的思考过程，就像学生在草稿纸上写下解题步骤一样。研究者们想知道：那些解答正确的AI推理过程，是否也遵循着类似人类交流的信息密度规律？
研究团队选择了几个极具挑战性的数学竞赛作为试验场，包括美国数学邀请赛AIME2025、布朗大学数学奥林匹克竞赛BRUMO2025、哈佛麻省理
