炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

日前，蘋果研究團隊發佈了一項新研究，對當前大語言模型（LLMs）的能力提出了質疑。研究指出，儘管LLMs引入了複雜的自我反思機制，但仍存在根本性限制，無法在超過一定複雜度閾值的問題中表現出可泛化的推理能力。研究發現，LLMs在不同複雜度問題中的表現存在明顯分界：在低複雜度問題中標準LLMs表現優於邏輯推理模型（LRMs），在中等複雜度問題中LRMs佔優，而在高複雜度問題中兩者均表現失敗。此外，LLMs在執行精確計算方面也有侷限性，甚至在簡單問題上也會出現“過度思考”的低效行爲。紐約大學教授Gary Marcus認爲，LLMs無法替代精心設計的傳統算法，且通往通用人工智能（AGI）的道路並不現實。蘋果的這項研究進一步證實了LLMs在結構性問題上的不可靠性，例如在解決漢諾塔問題時表現不佳，即使直接給出標準算法，模型也無法正確執行。這表明，儘管LLMs在某些領域有其用途，但它們並非通往真正智能的萬能鑰匙。

海量資訊、精準解讀，盡在新浪財經APP