斯坦福大学LLM推理失败研究综述

这份研究报告系统地分类并分析了大型语言模型（LLM）在推理能力上的各种缺陷。作者建立了一个双轴分类体系，将推理失败归纳为非具身（非感官交互）和具身（物理环境交互）两大类，并细分为非正式推理、正式逻辑以及物理常识等多个维度。研究指出，模型不仅在数学逻辑、编程和常识认知上存在固有局限，更面临认知偏差、社交模拟失灵及物理规律理解不足等严峻挑战。文中通过大量实例揭示了模型在稳健性、基础架构和特定应用场景中的薄弱环节。最后，报告探讨了缓解这些缺陷的策略，并强调深入剖析失败原因是构建更可靠、具备自我纠错能力的智能系统的核心。