蘋果機器學習研究中心於6日發表最新研究論文，質疑當前大型推理模型（LRMs）真正具備推理與思考能力。研究指出，這些AI模型實際上依賴的是模式匹配與記憶，而非真正邏輯推理。
研究團隊對包括OpenAI o3-mini、DeepSeek-R1、Anthropic Claude 3.7 Sonnet Thinking及Google Gemini Thinking等前沿模型進行評估，發現它們在中等複雜度任務中表現良好，但一旦任務複雜度超過臨界點，準確率會驟降至零。研究還指出，模型在高難度任務中反而使用更少token進行思考，顯示出推理機制的根本性瓶頸。
論文《思考的幻象》指出，傳統評估方法過度依賴數學與編程基準，忽略內部推理過程與潛在數據污染問題。研究人員採用可控解謎環境分析模型的推理軌跡，發現即便是具備思考鏈生成能力的模型，也無法在高複雜度下穩定運行。
研究建議，未來應採用更細緻的實驗設計，以全面理解語言模型推理的本質與侷限。（編輯部）
開放開發者打造裝置端應用
AI正處於「鋸齒式智慧」階段
珍古德：AI也可以是人類嗎？
開放開發者打造裝置端應用
加快產業智能化轉型
布局AI時代能源戰略
外媒稱影片涉AI偽造
AI是解答嗎？
津貼按年度發放 每年1.8萬元
張司澄清：留澳183天規定不計時長
內地時興養「酵母寵物」
發行H股拓展海外業務
助本地企業朝高品質發展
政府建議下調今年賭收估算
福田口岸闖關被截
全運走進社區活動周末舉行
下載APP