代码在算法推理中是否优于自然语言

针对工具增强型语言模型，本文通过中间干预分离了推理表示与执行机制的影响。实验表明，在 40 项算法基准测试中，确定性代码执行比自然语言推理性能提升 31.6%，而仅将推理转化为可执行代码由模型模拟时，性能无明显变化。结果证明，工具使用的优势主要源于可靠的外部执行而非中间表示的改变。研究进一步提出了统计决策理论模型，并通过重构干预验证了该理论。