最近，Apple 發佈了一篇引起廣泛關注的研究論文，標題為《思考的幻覺：通過問題複雜性理解推理模型的優勢和局限性》。儘管反應熱烈，但這篇論文的內容並未顛覆整個大型語言模型（LLM）行業，卻為長期以來機器學習（ML）社群討論的主題帶來了更清晰的視角。
這篇論文系統性地探討了所謂的大型推理模型（LRM），例如 Claude 3.7 和 DeepSeek-R1，通過控制謎題（如漢諾塔、積木世界等）進行測試，而非傳統的數學基準，後者常常受到數據污染的影響。
研究結果顯示，LRM 在中等複雜度的任務上表現優於其 LLM 兄弟，但在更複雜的任務上卻同樣面臨失敗。更糟的是，隨著任務難度上升，這些“推理”模型的思維能力反而減弱，即使它們仍有足夠的計算資源可用。
這篇論文的核心發現是，市場上宣稱具備“推理”能力的模型在一些簡單問題上仍然無法表現出色。以漢諾塔為例，像 Claude 和 o3-mini 這樣的模型在面對七或八個碟子時便會崩潰。即便提供了具體的解決算法，要求它們僅僅遵循，性能也未見改善。
換句話說，這些模型並不是真正的推理，而是以更複雜的方式迭代擴展 LLM 的推理模式。這一區別至關重要，正是這篇 Apple 論文的真正價值所在。作者們對“推理”和“思考”等術語提出質疑，這些術語暗示了符號推理和計劃，但實際上發生的只是層次化的模式擴展：模型通過多次推理過程，直到找到聽起來合理的結果。
這並不是一個重大的新發現。Meta 的 AI 首席 Yann LeCun 長期以來將當前的 LLM 比作“家貓”，並明言 AGI 不會來自於變壓器。Subbarao Kambhampati 也在多年來發表了關於“思維鏈”與這些模型實際計算方式不相符的研究。Gary Marcus 的“深度學習遇到瓶頸”的論點再次得到支持。
研究中最具指標性的數據是，當複雜度增加時，模型會實際上停止嘗試。儘管擁有充足的計算預算，這些模型在面對挑戰時卻減少了內部的“思考”。這不僅僅是技術失敗，而是概念上的失敗。
Apple 的論文幫助澄清了許多 LLM 失敗的原因並非因為“訓練不足”或“數據不夠”。它們的失敗源於根本上缺乏表示和執行逐步算法邏輯的能力。而這並不是單靠思維鏈提示或強化微調所能克服的。
引用論文中的一句話：“LRM 無法使用明確的算法，並在謎題中推理不一致。”即使給予解決方案藍圖，它們仍然會出現失誤。
這些結果對於深耕於 ML 研究社群的人來說並不意外，但引起的熱議顯示出更有趣的現象：公眾可能終於準備好面對 ML 界多年來所做的區分，特別是關於這些模型的能力和局限性。
這一區分至關重要。當人們稱這些系統為“思考”時，便會開始將其視為能夠替代目前無法做到的事物。這樣一來，幻覺和邏輯失誤便會從有趣的怪癖轉變為危險的盲點。
因此，Apple 的貢獻意義重大。這並不是因為它“揭露”了 LLM，而是因為它幫助劃清了這些模型的界限，讓人們更清楚地理解它們的本質與局限性。這樣的清晰度早已迫在眉睫。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
