一套模型在棋盘上跑得慢，未必更像人。MIT、剑桥和普林斯顿等团队新发在 Nature 的研究，把问题换成 121 个陌生棋类规则后，结论反倒指向一条很轻的路线：人第一次看见新游戏时，靠的多半是少量、浅层、带目标感的心理模拟。
这件事放到 AI 里看，钩子很直接。过去几年，推理模型常把“多想一会儿”当成能力标志，测试里也不断奖励更长链路、更大搜索树。可真实用户遇到新任务时，经常先做另一件事：这个局面要不要继续想，该投多少算力，先试哪一步。
这篇论文给出的答案很克制：先别把人脑想成小号 AlphaZero。
121个游戏，测的是“第一眼”
研究团队构造了 121 个双人策略棋类变体，大多从井字棋、五子棋这类连线规则改造而来。棋盘大小、连线长度、胜负条件、回合动作都会变，但基本动作仍是往格子里落子。
这样设计有一个好处：参与者能读懂规则，却没有长期训练形成的套路。研究覆盖 1000 多名参与者，任务分成几类：只看规则判断游戏是否公平、估计好不好玩、第一次实际落子、观看别人对局后预测下一步，以及收到和棋请求时要不要继续。
Intuitive Gamer 模型做的事也很简单：用少量自我对局模拟局面，再用目标导向的启发式评估行动。它不会像 MCTS 那样展开大搜索树，也不会像 Expert Gamer 那样跑到近似五层搜索。
论文里有一句短话点出它对 AI 的启发：
“whether a task is worth thinking about at all”
也就是先判断一个任务有没有投入算力的必要。
快很多，但没有乱猜
最容易被误读的地方在这里。浅层模拟并不等于随便猜。实验显示，在“只看规则、还没玩过”的公平性判断里，Intuitive Gamer 与人类估计的拟合达到 R²=0.81，接近人类数据自身可解释上限 R²=0.82。
对照组差距很明显：
- 随机玩家模型为 R²=0.47；
- Expert Gamer 为 R²=0.65；
- MCTS 基线为 R²=0.60。
效率差距更大。按论文的自我对局模拟口径，Intuitive Gamer 的 wall-clock 耗时约为 Expert Gamer 的 1/700，评估棋盘状态约少 500 倍；相对 MCTS，耗时接近 1/40000，节点评估少近 10000 倍。
这组数字对大模型公司很刺眼。很多智能体系统在新任务上会把更多上下文、更长规划、更贵模型层层堆上去，但用户常见的失败并非少算了一层树，常常发生在第一步：任务类型、风险和投入额度看错了。
人类玩家也更像浅搜模型
论文没有停在“判断游戏”这一层。研究团队又让 302 名参与者实际打一局新游戏，共得到 1808 场对局、9892 步落子。在行动预测里，Intuitive Gamer 对玩家选择的解释力优于 Expert Gamer 和随机模型。
更具体地看，在 41 个测试游戏中，它能覆盖超过一半动作概率分布的游戏有 32 个；从个体看，302 名玩家里有 243 人的动作分布超过一半能由该模型解释。
还有一个很有现场感的实验：让新一组参与者观看冻结的对局局面，预测人类玩家下一步会怎么走。样本覆盖 249 个棋盘状态。Intuitive Gamer 相对 Expert Gamer 的 TVD 差值为 -0.15，相对随机模型为 -0.09，数值越低说明分布越接近人类预测。
这不像“人类总是聪明地少算”。更准确的说法是，人会在陌生规则里用少量模拟抓住几个可能动作，再保留一定不确定性。Expert Gamer 有时给出更高收益的少数位置，反而显得不像第一次接触规则的人。
对AI的提示：先学会分配思考
这项研究不能直接推出一个通用 AI 架构。论文边界写得很清楚：当前任务集中在完全信息、双人、竞争性棋类游戏，且多数规则仍来自连线棋这一熟悉家族。围棋、国际象棋、多智能体协作、开放式科学探索，都还需要单独验证。
可它给 AI 推理评测提了一个很实用的指标：不要只看模型能不能在给定题目上想得更深，也要看它能不能在新任务到来时判断“浅试够不够、深搜何时启动、继续计算是否划算”。
如果把这个思路放进智能体产品，评测可以拆成三层：第一层是任务识别，模型要判断规则、目标和风险；第二层是计算预算，模型要决定用小模型、工具调用、并行搜索还是人工确认；第三层才是传统意义上的解题质量。
国内围绕“推理增强”的报道，常把长思考、树搜索和模型升级绑在一起。Intuitive Gamer 给出另一面：在陌生局面里，少量模拟加目标启发式，可能已经足够接近人的第一反应。AI 若想显得可靠，未必每步都要烧到最深，先把“该想多久”学会，成本和体验都会变。
后续看两条线
第一条线是泛化。研究团队提到，后续要看这些启发式能否扩展到围棋、国际象棋、合作游戏和多智能体场景。若模型只在连线棋家族里有效，它更像认知科学里的精细解释器；若能跨到复杂任务，它才会进入 AI 系统设计的工具箱。
第二条线是和语言模型结合。自然语言可以把新规则翻成短程序或奖励函数，浅层模拟再用来做早期判断。对今天的 AI Agent 来说，这条路线比“无限拉长思考链”更贴近产品现实：先便宜地看懂局，再决定要不要花大钱。
参考来源：Nature 论文 People use fast and flat simulation to reason about new games、arXiv:2510.11503、36氪英文站、CocoLoop；Nature 正文核验 121 个游戏、1000+ 参与者、R²/TVD、MCTS 与 Expert Gamer 效率口径。