苹果研究团队发布论文，指出当前主流推理模型（LRMs）在处理复杂问题时存在明显不足。

研究通过可控谜题环境（如汉诺塔、跳棋等）分析模型推理能力，发现性能随问题复杂度呈现三阶段变化：低复杂度任务中，非推理模型（LLMs）表现更优；中等复杂度任务中，推理模型借助 “思维链”（CoT）占优势；当复杂度超过临界值（如汉诺塔圆盘数≥8），两类模型准确率骤降至零。

此外，研究揭示了推理模型的 “反直觉缩放限制”。其推理成本（token 使用量）随复杂度先增后减，即便 token 预算充足，模型也会主动减少推理投入以避免崩溃。对推理轨迹的进一步分析显示，模型在简单问题中出现 “过度思考” 现象，而在复杂问题中缺乏有效自我修正能力。同时，模型在执行明确算法时表现不佳，暴露出符号操作与逻辑一致性方面的缺陷。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。