90. 思考的幻象：推理模型的局限性

本研究探讨了大型推理模型 (LRMs) 在不同复杂度问题上的推理能力，以可控的拼图环境作为测试平台。文章发现，LRMs 在处理低复杂度任务时有时不如标准的大型语言模型 (LLMs)，但在中等复杂度任务中展现出优势。然而，对于高复杂度任务，LRMs 和 LLMs 的性能都完全崩溃，并且 LRM 的推理努力（思考代币使用）会反常地减少。此外，分析显示 LRMs 在精确计算和遵循给定算法方面存在局限性，并且随着问题复杂度的增加，正确解决方案在思维过程中的出现位置会向后偏移。内容来源：https://ml-site.cdn-apple.com/papers/the-illusion-of-thinking.pdf