斯坦福：AI经常会犯哪些错误

系统地梳理了大型语言模型（LLM）在推理能力上的缺陷，并提出了一个结合推理维度与失败类型的双轴分类框架。研究涵盖了非实体推理（包括直觉性的非正式逻辑与规则导向的正式逻辑）以及涉及物理环境交互的实体推理。通过分析认知偏差、社会常识、数学逻辑及三维空间感知等具体案例，文中揭示了模型在处理复杂因果、道德判断及长期规划时的不稳定性。除了识别这些局限性，作者还评估了现有的缓解策略，如数据增强和外部工具集成。最后，该文献强调了建立动态评估标准的必要性，旨在为开发更具鲁棒性、安全性且具备自我修复能力的智能系统指明方向。