共计 434 个字符，预计需要花费 2 分钟才能阅读完成。
近年来，人工智能行业开始转向所谓的模拟推理模型，这些模型通过思维链过程解决复杂问题。然而，最新研究对这些模型的逻辑理解能力提出了质疑。
亚利桑那大学的研究人员在一份预印本论文中指出，大型语言模型（LLMs）并非原则性的推理者，而是推理类文本的复杂模拟器。他们创建了一个严格控制的环境，测量思维链推理在面对与训练数据不匹配的逻辑问题时的效果。
- 
- 
- 
研究结果表明，思维链模型所表现出的性能提升“在很大程度上是脆弱的幻象”，在适度的分布变化下变得脆弱且容易失败。研究人员强调，这些模型并没有展示出广义逻辑推理的能力，而是“一种复杂的结构化模式匹配形式”。
此外，这些模型生成“流畅的胡言乱语”的能力创造了一种“虚假的可靠性光环”，在仔细审查下无法成立。研究人员警告，不应将思维链风格的输出等同于人类思维，尤其是在高风险领域如医学、金融或法律分析中。
未来的模型需要超越表面层面的模式识别，展示更深层次的推理能力。当前的测试和基准应优先考虑那些超出任何训练集的任务，以探测这些类型的错误。
正文完
