苹果研究：现有 AI 大模型多靠记忆，并非真正推理

首页 / 今日AI / 正文

Time：2025年06月09日 Read：45 评论：0 作者：zhen

近日，苹果机器学习研究中心发表论文指出，当前的 AI 模型在复杂任务中并不具备真正的思维与推理能力，更多是依赖模式匹配和记忆。这一研究对 OpenAI o3-mini、DeepSeek-R1、Anthropic 的 Claude 3.7 Sonnet Thinking 和谷歌 Gemini Thinking 等前沿 “大型推理模型” 进行了系统评估。

研究发现，这些模型虽能生成详细 “思考链”，在中等复杂度任务中表现突出，但推理能力存在本质局限。当问题复杂度超过特定临界点，模型性能会急剧下滑至 “零准确率”。例如，在解决复杂逻辑谜题时，一旦难度提升，模型就无法给出正确答案。并且在推理过程中，即便算力充足，随着问题难度增加，模型用于 “思考” 的 token 数量不增反降，揭示了现有推理方法的根本缺陷。

论文《思考的幻象：通过问题复杂性的视角理解推理模型的优势与局限》由 Parshin Shojaee 等人撰写。目前业界评估模型多聚焦于数学和编程基准测试的最终答案准确性，这易忽略数据污染问题，也无法洞察模型内部推理轨迹的结构和质量。为此，苹果研究人员采用可控解谜环境，精确操控问题组成复杂性，同时保持逻辑结构一致，得以深入探究模型的 “思考” 过程。

研究团队将模型表现划分为三个阶段：低复杂度任务中，传统大模型（如 Claude-3.7 无思维版本）表现更好；中等复杂度任务里，具备思维机制的大型推理模型（LRMs）占据优势；而面对高复杂度任务，两类模型均完全失效。研究还特别指出，LRMs 在精确计算方面存在短板，无法运用显式算法，在不同谜题间推理时也缺乏一致性。

此项研究对当前基于既定数学基准的 LRMs 评估范式提出了质疑，强调需要更精细的实验设置来深入研究相关问题。通过可控谜题环境的运用，该研究为理解语言推理模型的能力与局限提供了深刻见解，也为后续研究指明方向。研究人员表示，这些发现凸显了现有 LRMs 的优缺点，引发了对系统推理本质的思考，对模型设计和部署意义重大 。

来【龙头AI网】了解最新AI资讯！

原文链接：https://www.job0668.net/post/667.html

上一篇：ChatGPT 高级语音模式升级，新增多语言翻译功能

下一篇：怎样用 Midjourney 打造超高清动漫风格壁纸？完整步骤指南！

标签：