AI「思考」只是假象？
刚刚，一项来自苹果的重磅研究揭示了「大推理模型（LRM）」背后的惊人真相——这些看似聪明的模型，在面对稍复杂点的题目时，准确率居然会全面崩溃！
随着问题变难，推理模型初始会延长思考，但随后思考深度反而下降，尽管仍有充足token预算——它们恰在最需要深入思考时选择了放弃！
这太违背直觉了，似乎Scaling Law在推理时完全失效了。
值得一提的是，论文作者中还有Samy Bengio，他也是图灵三巨头Yoshua Bengio的兄弟。
论文地址：https://ml-site.cdn-apple.com/papers/the-illusion-of-thinking.pdf
LRM模型因能「写出思考过程」而备受期待，被认为是AI推理能力跃升的关键。
DeepSeek-R1 模式的开源开启了LLM进化到LRM的进程
但研究人员通过可控游戏环境的系统实验证明：现有LRMs不仅在高复杂度任务上力不从心，甚至还展现出一种「反常的推理崩溃曲线」——题目越难，它们反而越不「努力」。
研究还通过在相同计算token预算下对比思考模型与普通模型，发现：
不同于大多数仅衡量最终性能的研究，这项最新研究分析了它们实际的推理轨迹——深入观察其冗长的「思考」过程。
三种不同的性能区间
与以往主要依赖数学问题来评估语言模型推理能力的研究不同，本研究引入了可控的解谜环境。
这种环境可以精确调节问题的复杂度，同时保持逻辑过程的一致性，从而更严谨地分析模型的推理模式和局限性。