当前位置：正文

欧洲杯体育模子的推理步履呈现复杂度商量性-世博体育(中国)登录入口官方网站IOS安卓/通用版/APP官方网站

在苹果年度各人开辟者大会（WWDC）前夜，苹果公司的处境并不轻佻。尽管往日数月捏续放出对于东谈主工智能（AI）功能的预报，包括"更灵巧的 Siri "行将上线，但承诺尚未杀青，工夫展示寥寥，让苹果在日益浓烈的 AI 竞赛中显得很被迫。与此同期，曾一手缔造 iPhone 听说的前首席运筹帷幄师 Jony Ive，如今也转而与 OpenAI 合营，外界纷纷质疑苹果是否还不错站不才一轮科技发展的潮头。

恰是在这一机密时刻，苹果盘问团队发布了一项颠覆融会的新盘问，并被纽约大学激情学与神经科学说明注解 Gary Marcus 解读为对当下大讲话模子（LLMs）的"致命一击"。

这篇题为" The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity "的论文，通阻难题复杂性的视角沟通了推理模子的上风与局限性，主要不雅点如下：

面前模子存在根人性限制，尽管引入了复杂的自我反念念机制，依然无法在跳跃一定复杂度阈值的问题中进展出可泛化的推理技艺。

模子在不同复杂度问题中的进展有在三种分界：在低复杂度问题中措施 LLMs 进展优于 LRMs，在中等复杂度问题中 LRMs 占优，在高复杂度问题中两者均进展失败。

盘问发现一个反直观局势，当问题接近枢纽复杂度时，模子的推理辛苦反而减少，这教导 LRMs 可能存在计较技艺扩张的内在极限。

模子的推理步履呈现复杂度商量性，在简便问题上进展为低效的"过度念念考"，在复杂问题上则彻底无法作答。

LRMs 可能存在可泛化推理的根人性诡秘；在奉行精准计较方面也有局限性。

Marcus 在一篇题为" A knockout blow for LLMs? "（对 LLMs 的致命一击？）中默示，LLMs 无法替代悉心理划的传统算法，虽在将来十年内仍有编码、头脑风暴和写稿等用途，但他觉得 LLMs 能平直通往可根蒂改换社会的 AGI 是不切执行的。

LLMs 推理看似细巧，实则在骗东谈主

在 Marcus 看来，苹果这篇论文从两个维度强化了对 LLMs 根人性短处的批判：一个是他本东谈主自 1998 年以来不断强调的"庄重散布鸿沟问题"，另一个则是亚利桑那州立大学计较机科学家 Subbarao（Rao）Kambhampati 比年来围绕"推理模子"提议的一系列质疑。

神经积聚擅长在"庄重散布"范围内进行归纳和泛化，但一朝脱离这一熟悉的数据散布，模子的技艺便马上崩溃。早在 1998 年，他就以多层感知器为例，指出这类神经积聚在基础数学与讲话揣摸任务中一朝遭遇散布外（out-of-distribution）情境，性能大幅下落，这一批判念念路伙同他之后的主要盘问。

此外，苹果论文也络续了 Rao 对"推理模子"（reasoning models）的系统性反念念。Rao 指出，好多 LLMs 生成的"念念维链"（chain of thought）看似严实，实则未必反应真实的推理经由。即便模子输出了一系列"念念考设施"，它的奉行旅途经常并不与之对应。即它"说"我方这样推理了，但它其实并莫得这样作念。此外，即使推理轨迹逻辑上趁火掠夺，模子的最终谜底也可能造作。Rao 致使早在苹果团队之前，就发现了 o1 模子存在访佛的结构性问题，并在线上发表了商量责任。

苹果的最新论文进一步确认了这少许，标明即使是最新一代的"推理模子"也无法惩办这一根人性问题。这对于那些期待 LLMs 通过"推理"或"推理时计较"（inference-time compute）来克服这些局限性的东谈主来说，是一个千里重的打击。

连汉诺塔齐解不好，AGI 之梦何来？

"汉诺塔"是计较机科学的经典初学难题：你需要将一组从大到小摆设的圆盘，从左边的柱子沿途搬到右边，每次只可挪动一个盘，且不行把大的叠在小的上头。对于计较机而言，它简直是"基础操作"，任何一册初学课本齐能教训学生若何用递归算法惩办七层汉诺塔。

关联词，苹果团队的实考评释，Claude 在处理这个看似简便的逻辑问题时进展令东谈主失望：7 层准确率不及 80%，8 层基本崩盘。而备受瞩指标 o3-min（high）模子进展雷同平平。

更让东谈主无法剿袭的是，即使平直把措施算法喂给模子，唯有求其"照作念"，它们依旧无法正确奉行。这不仅是对"推理模子"名号的质疑，更暴败露面前主流大模子在结构性问题上的严重不可靠。

苹果论文作家之一 Iman Mirzadeh 默示：咱们的不雅点并非是"东谈主类毫无局限，而 LRMs 存在局限，因此它们不智能"。只是从它们的念念维经由来看，其逻辑性和智能性如实有所欠缺。

Marcus 觉得，AI 的将来应该将科学家级别的因果推理技艺与机器的计较速率相齐集，从而在科学、医疗、动力等枢纽规模实现信得过的打破，才可能让 AI 对东谈主类信得过成心。

反之，淌若连 8 层汉诺塔齐玩不好，那什么"索要塞球光锥"或"解构物理学"齐将沦为空中楼阁。而更现实的是，像 o3 这样的模子执行上比专注的东谈主类更容易产生幻觉，在绘画可靠的图表等方面也特出清苦；它们如实与东谈主类有一些相似的短处，但在好多方面，它们执行上进展得更差。

"东谈主类有时会犯错，经常是因为记性不太好；而 LLMs 领有海量的存储空间，再犯错确凿不对理由。"

LLMs 不是"通才"，更不是将来全能钥匙

苹果的这项盘问揭示：不管 AGI 的界说若何变化，面前主流 LLMs 齐无法取代结构明确、逻辑光显的传统算法。它们在处理某些复杂任务时，进展远不如几十年前开辟的专用系统。

就像 LLMs 难以踏实解出汉诺塔问题一样，它们在海外象棋、卵白质折叠、数据库查询等方面也远逊于现有的专用器具。即使是被平素颂扬的 o3 或 Claude 模子，也未必能够可靠地初始。

某些情况下，LLMs 能生成 Python 代码来"补足"我方的逻辑颓势，但这只是是将问题外包给外部措施逻辑，自身并莫得诞生通用解题技艺。而最危急的是，它们在简便场景中（如 4 层汉诺塔）偶而告捷，从而误导东谈主们以为模子具备了可泛化的融会结构。

Marcus 说谈，那些觉得 LLMs 是通往能够从根蒂上为社会带来积极变革的那种 AGI 的平直路线的东谈主，难免太机动了。这并不料味着神经积聚这个规模仍是归天，也不料味着深度学习仍是逾期。LLMs 只是深度学习的一种样式，莽撞其他样式——尤其是那些更善于处理标志的——最终会快乐发展起来。时分会评释一切。但现在这种花式的局限性正日益光显。

可是，苹果的盘问也有一些局限性：谜题环境虽能精细适度问题复杂性，但只可代表推理任务的一个小规模，难以涵盖现实寰宇中各样化和常识密集型的推理问题；大部分实验依赖对闭塞前沿的 LRMs 的黑箱 API 访谒，限制了对其里面情景和架构组件的分析技艺；使用详情趣的谜题模拟器假定推理可逐步齐全考证，但在结构不严谨的规模，这种精准考证难以实现，限制了该分析花式向更具多数性的推理规模的运用。Marcus 还指出，执行上，东谈主类在进行汉诺塔游戏时也会出错，因此单纯通过该任务来狡赖其价值存在一定争议。

参考辛苦：

https://techxplore.com/news/2025-06-apple-pressure-ai-stumble.html

https://garymarcus.substack.com/p/a-knockout-blow-for-llms

https://machinelearning.apple.com/research/illusion-of-thinking欧洲杯体育