炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
日前，苹果研究团队发布了一项新研究，对当前大语言模型（LLMs）的能力提出了质疑。研究指出，尽管LLMs引入了复杂的自我反思机制，但仍存在根本性限制，无法在超过一定复杂度阈值的问题中表现出可泛化的推理能力。研究发现，LLMs在不同复杂度问题中的表现存在明显分界：在低复杂度问题中标准LLMs表现优于逻辑推理模型（LRMs），在中等复杂度问题中LRMs占优，而在高复杂度问题中两者均表现失败。此外，LLMs在执行精确计算方面也有局限性，甚至在简单问题上也会出现“过度思考”的低效行为。纽约大学教授Gary Marcus认为，LLMs无法替代精心设计的传统算法，且通往通用人工智能（AGI）的道路并不现实。苹果的这项研究进一步证实了LLMs在结构性问题上的不可靠性，例如在解决汉诺塔问题时表现不佳，即使直接给出标准算法，模型也无法正确执行。这表明，尽管LLMs在某些领域有其用途，但它们并非通往真正智能的万能钥匙。
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.