开yun体育网

在苹果年度环球设备者大会（WWDC）前夜，苹果公司的处境并不松驰。尽管曩昔数月抓续放出对于东谈主工智能（AI）功能的预报，包括"更颖异的 Siri "行将上线，但高兴尚未竣事，时期展示寥寥，让苹果在日益浓烈的 AI 竞赛中显得很被迫。与此同期，曾一手竖立 iPhone 听说的前首席诡计师 Jony Ive，如今也转而与 OpenAI 和谐，外界纷繁质疑苹果是否还不错站不才一轮科技发展的潮头。

恰是在这一神秘时刻，苹果究诘团队发布了一项颠覆领略的新究诘，并被纽约大学激情学与神经科学陶冶 Gary Marcus 解读为对当下大谈话模子（LLMs）的"致命一击"。

这篇题为" The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity "的论文，通热闹题复杂性的视角探讨了推理模子的上风与局限性，主要不雅点如下：

现时模子存在根人道规则，尽管引入了复杂的自我反想机制，依然无法在跳动一定复杂度阈值的问题中推崇出可泛化的推理能力。

模子在不同复杂度问题中的推崇有在三种分界：在低复杂度问题中圭臬 LLMs 推崇优于 LRMs，在中等复杂度问题中 LRMs 占优，在高复杂度问题中两者均推崇失败。

究诘发现一个反直观舒坦，当问题接近迤逦复杂度时，模子的推理勤苦反而减少，这教唆 LRMs 可能存在计较能力膨胀的内在极限。

模子的推理活动呈现复杂度相干性，在肤浅问题上推崇为低效的"过度想考"，在复杂问题上则全皆无法作答。

LRMs 可能存在可泛化推理的根人道拦阻；在实施精准计较方面也有局限性。

Marcus 在一篇题为" A knockout blow for LLMs? "（对 LLMs 的致命一击？）中暗示，LLMs 无法替代悉心诡计的传统算法，虽在将来十年内仍有编码、头脑风暴和写稿等用途，但他合计 LLMs 能成功通往可根蒂改造社会的 AGI 是不切本体的。

LLMs 推理看似精致，实则在骗东谈主

在 Marcus 看来，苹果这篇论文从两个维度强化了对 LLMs 根人道缺陷的批判：一个是他本东谈主自 1998 年以来不时强调的"考试溜达规模问题"，另一个则是亚利桑那州立大学计较机科学家 Subbarao（Rao）Kambhampati 频年来围绕"推理模子"提议的一系列质疑。

神经收集擅长在"考试溜达"范围内进行归纳和泛化，但一朝脱离这一练习的数据溜达，模子的能力便马上崩溃。早在 1998 年，他就以多层感知器为例，指出这类神经收集在基础数学与谈话权衡任务中一朝遭受溜达外（out-of-distribution）情境，性能大幅下落，这一批判想路一语气他之后的主要究诘。

此外，苹果论文也延续了 Rao 对"推理模子"（reasoning models）的系统性反想。Rao 指出，好多 LLMs 生成的"想维链"（chain of thought）看似严实，实则未必反应简直的推理经由。即便模子输出了一系列"想考门径"，它的实施旅途通常并不与之对应。即它"说"我方这样推理了，但它其实并莫得这样作念。此外，即使推理轨迹逻辑上无孔不钻，模子的最终谜底也可能随心。Rao 致使早在苹果团队之前，就发现了 o1 模子存在近似的结构性问题，并在线上发表了相干责任。

苹果的最新论文进一步证据了这少量，标明即使是最新一代的"推理模子"也无法不停这一根人道问题。这对于那些期待 LLMs 通过"推理"或"推理时计较"（inference-time compute）来克服这些局限性的东谈主来说，是一个千里重的打击。

连汉诺塔皆解不好，AGI 之梦何来？

"汉诺塔"是计较机科学的经典初学勤勉：你需要将一组从大到小罗列的圆盘，从左边的柱子一谈搬到右边，每次只可挪动一个盘，且不可把大的叠在小的上头。对于计较机而言，它险些是"基础操作"，任何一册初学讲义皆能教学学生怎样用递归算法不停七层汉诺塔。

关联词，苹果团队的实考证明，Claude 在处理这个看似肤浅的逻辑问题时推崇令东谈主失望：7 层准确率不及 80%，8 层基本崩盘。而备受瞩酌量 o3-min（high）模子推崇通常平平。

更让东谈主无法秉承的是，即使成功把圭臬算法喂给模子，惟一求其"照作念"，它们依旧无法正如实施。这不仅是对"推理模子"名号的质疑，更暴自满现时主流大模子在结构性问题上的严重不可靠。

苹果论文作家之一 Iman Mirzadeh 暗示：咱们的不雅点并非是"东谈主类毫无局限，而 LRMs 存在局限，因此它们不智能"。只是从它们的想维经由来看，其逻辑性和智能性如实有所欠缺。

Marcus 合计，AI 的将来应该将科学家级别的因果推理能力与机器的计较速率相鸠合，从而在科学、医疗、动力等迤逦限制实现信得过的冲破，才可能让 AI 对东谈主类信得过成心。

反之，要是连 8 层汉诺塔皆玩不好，那什么"索要隘球光锥"或"解构物理学"皆将沦为空中楼阁。而更执行的是，像 o3 这样的模子本体上比专注的东谈主类更容易产生幻觉，在绘画可靠的图表等方面也尽头繁重；它们如实与东谈主类有一些相似的缺陷，但在好多方面，它们本体上推崇得更差。

"东谈主类有时会犯错，通常是因为记性不太好；而 LLMs 领有海量的存储空间，再犯错确凿不对意义。"

LLMs 不是"通才"，更不是将来全能钥匙

苹果的这项究诘揭示：无论 AGI 的界说怎样变化，现时主流 LLMs 皆无法取代结构明确、逻辑了了的传统算法。它们在处理某些复杂任务时，推崇远不如几十年前设备的专用系统。

就像 LLMs 难以清醒解出汉诺塔问题一样，它们在外洋象棋、卵白质折叠、数据库查询等方面也远逊于现有的专用器具。即使是被无为惊奇的 o3 或 Claude 模子，也未必能够可靠地开端。

某些情况下，LLMs 能生成 Python 代码来"补足"我方的逻辑颓势，但这只是是将问题外包给外部轨范逻辑，本人并莫得建设通用解题能力。而最危急的是，它们在肤浅场景中（如 4 层汉诺塔）随机收效，从而误导东谈主们以为模子具备了可泛化的领略结构。

Marcus 说谈，那些合计 LLMs 是通往能够从根蒂上为社会带来积极变革的那种 AGI 的成功门道的东谈主，难免太活泼了。这并不虞味着神经收集这个限制也曾弃世，也不虞味着深度学习也曾落伍。LLMs 只是深度学习的一种形态，能够其他形态——尤其是那些更善于处理标志的——最终会欢叫发展起来。时间会证明一切。但当今这种步伐的局限性正日益了了。

然而，苹果的究诘也有一些局限性：谜题环境虽能精细适度问题复杂性，但只可代表推理任务的一个小限制，难以涵盖执行寰球中各样化和学问密集型的推理问题；大部分实验依赖对阻塞前沿的 LRMs 的黑箱 API 看望，规则了对其里面现象和架构组件的分析能力；使用详情味的谜题模拟器假定推理可迟缓齐全考证，但在结构不严谨的限制，这种精准考证难以实现，规则了该分析步伐向更具无数性的推理限制的诳骗。Marcus 还指出，本体上，东谈主类在进行汉诺塔游戏时也会出错，因此单纯通过该任务来辩说其价值存在一定争议。

参考费力：

https://techxplore.com/news/2025-06-apple-pressure-ai-stumble.html

https://garymarcus.substack.com/p/a-knockout-blow-for-llms

https://machinelearning.apple.com/research/illusion-of-thinking开yun体育网