这项由Meta Superintelligence Labs（MSL）和加州大学伯克利分校联合完成的突破性研究发表于2025年11月，研究团队由来自Meta、UC Berkeley和UCSF的顶尖学者组成，包括Long Lian、Sida Wang、Felix Juefei-Xu等多位专家。有兴趣深入了解的读者可以通过论文编号arXiv:2512.07843查询完整论文内容。
想象一下这样的场景：你面对一道复杂的数学题，传统的解题方式是按步骤一个接一个地计算，就像走楼梯一样只能一级一级往上爬。但如果你能同时思考多个不同的解题路径，比如一边计算主要公式，一边验证中间结果，一边检查边界条件，最后将这些并行思考的结果汇总起来，整个解题过程会快很多。这正是Meta研究团队在人工智能领域实现的突破——他们开发了一个名为ThreadWeaver的系统，让AI模型能够进行"并行推理"，在保持准确性的同时显著提升思考速度。
在AI快速发展的今天，大型语言模型在解决复杂问题时往往需要生成很长的推理链条。就像一个学生做数学证明题时需要写出详细的步骤一样，AI模型也需要一步步推理才能得出正确答案。然而，这种传统的"顺序思考"方式存
