TradingKey - 在市场担忧iPhone制造商苹果（AAPL）在人工智能发展方面落伍之际，苹果最新的一篇AI研究揭露了现在流行的AI大模型的“繁荣假象”：AI推理模型远达不到预期的推理功能——简单问题复杂化，复杂问题直接陷入崩溃。

6月，苹果发表了一篇名为《思考的幻觉：从问题复杂性的角度理解推理模型的优点和局限性》的研究报告。文章指出，现有的一些号称具有“推理能力”或思考能力的AI模型实际上并不具备通用和稳健的推理能力。

无论是OpenAI的o1、再到DeepSeek R1、Claude和Gemini等领先模型，他们已经发展到不是简单给出答案，而是生成详尽的“思维链”（Chain-of-thought，CoT）、模仿人类解决问题时的思考过程、甚至自我反思和修正的模型。

研究人员称之为“大型推理模型”（Large Reasoning Models，LRMs）。不少人认为，这种技术的发展将推动人类向理想的通用人工智能（AGI）迈进。

与常见的强调最终答案准确性的基准测试不同，苹果公司通过不同的复杂性的问题环境对标准模型LLM和推理模型LRM进行了比较，结果推理模型有一些情况下还不如标准模型。

• 低复杂度模式：不带思考链的标准LLM比LRM更准确、更高效，LRM模型容易陷入过度思考的陷阱，造成计算资源浪费和引入错误。
• 中等复杂模式：LRM的思考链的优势开始显现，详尽的思考过程确实帮助模型更好应对增加的挑战。
• 高复杂模式：当问题复杂度升至某个临界点，LLM和LRM模型都彻底崩溃，准确率降至0。

然而，现实生活中的多数问题都属于高复杂度模式，这凸显了推理AI模型在实际应用上的挑战。

谷歌执行长Sundar Pichai用“人工锯齿智能”（人工智能，AJI）来描述AI不稳定的能力——AI给出的答案时而令人赞叹，时而会犯简单的数字错误，比如连strawberry有多少个r字母都不清楚。

原文链接