当前的大语言模型（LLMs）主要在“语言空间”中进行推理，依赖“思维链”（Chain-of-Thought, CoT）逐步生成解决问题的步骤。然而，这种方法效率低下，大量生成的文本主要用于流畅性表达，对推理无直接帮助。
Coconut（Chain of Continuous Thought，连续思维链）是一种新的推理框架，旨在让大语言模型（LLMs）在连续潜在空间中进行推理，而不是传统的语言空间。核心思想是通过使用模型的隐藏状态（hidden state）作为推理步骤的表示，从而避免将每一步都解码为语言标记（token）。这种方式让推理可以在潜在空间中自由进行，减少了语言生成的约束。