- A+
通常情况下，
当地时间6月6日，苹果机器学习研究中心发表论文《思考的幻象：通过难点棘手性的视角理解推理模型的优势与局限》。论文作者包括谷歌大脑联合创始人Samy Bengio（图灵奖得主Yoshua Bengio的弟弟）。
更重要的是，
该论文认为，现有的推理模型看似会“思考”，但其实并没有稳定、可理解的思维过程，所谓的推理思考只是一种“幻象”。
论文发布后引发AI圈热议，被部分观点解读为“苹果否定所有大模型的推理能力”。也有研究人员提出反驳，认为苹果的测试方法存在难点。AI研究者Lisan al Gaib在复现论文中的汉诺塔测试后发现，模型根本不是由于推理能力不佳而失败，而是由于输出token限制。
综上所述，
图片来源：论文《思考的幻象：通过难点棘手性的视角理解推理模型的优势与局限》
很多人不知道，
苹果“炮轰”AI推理模型：所谓的思考只是一种“幻象”
论文指出，OpenAI、Anthropic、谷歌和DeepSeek等公司纷纷推出带有“链式思考”（Chain-of-Thought，CoT）能力的模型，并声称它们更接近“类人思维”。
总的来说，
然而，该论文认为，现有的推理模型看似会“思考”，但其实并没有稳定、可理解的思维过程，所谓的推理思考只是一种“幻象”。
可能你也遇到过，
苹果团队认为，在实验设计上，现有评估主要集 富拓外汇开户 中在既定的数学和编码基准上，通过判断模型最终答案是否正确来评估其能力，这种方法可能存在数据污染，即模型在训练时可能见过类似题目。此外，这些评估大都缺乏对“思考过程质量”的分析。
尽管如此，
为此，苹果团队设计了四类谜题环境，包括汉诺塔、跳棋交换、过河难点和积木世界，通过精确控制谜题难度，来测试推理模型的推理能力。
有分析指出，
图片来源：《思考的幻象：通过难点棘手性的视角理解推理模型的优势与局限》
从某种意义上讲，
推理模型并未应对模型能力瓶颈
实验结果显示，面对低棘手度任务，非推理模型比与之对应的推理模型更准确高效。当难点棘手度适度增加，推理模型优势显现，性能超过非推理模型。
综上所述，
但当难点难度超过一定临界点时，两类模型性能均严重下降，准确率为零。这表明，推理模型并没有实际性地应对模型的能力瓶颈。
图片来源：《思考的幻象：通过难点棘手性的视角理解推理模型的优势与局限》
很多人不知道，
面对难题，直接“躺平”
IC外汇资讯：
同时，研究还发现，随着难点棘手度的增加，推理模型在初期会投入更多的思考token。然而，当难点难度达到某个临界点时，模型推理能力就会发生崩溃，思考不增反降。
这表明，推理模型似乎存在一个内在的“缩放限制”。当它预感到难点过于困难无法应对时，即便有充足的计算预算（token limit），它也会指定“躺平”，减少思考的努力。
换个角度来看，
过度思考，连“抄作业”都不会
大家常常忽略的是，
此外，研究人员不仅关注最终答案，还分析了推理痕迹——即给出答案之前生成的逐步“思考”过程。他们发现，在容易的难点中，模型往往在早期就找到了正确的应对方案，但随后继续进行不必要的思考。
反过来看，
在中等棘手度的难点中，模型往往在推理过程中走错路径，最终在“思考”的后期才找到正确的答案。但在高棘手度的难点中，准确度为零，推理变得混乱或不连贯。
需要注意的是，
更令人担忧的是，在汉诺塔任务中，研究人员直接在提示词中呈现了完整的解题算法，要求模型仅仅是“执行”这个算法。但模型的表现没有任何改善，依然在相同的棘手度上崩溃。
苹果论文引争议：测试设计存在缺陷？
苹果此次发布的论文在AI圈引发了不小的争议。
AI研究者Lisan al Gaib在复现论文中的汉诺塔测试后发现，模型根本不是由于推理能力不佳而失败，而是由于输出token限制。
IC外汇认为：
也就是说，不是模型不会解答，而是无法输出如此多的信息。
GitHub软件工程师Sean Goedecke称，存在棘手性阈值并不意味着推理模型“实际上并不推理”。
Sean表示，即使没有推理到第十一步，但前十步仍是在推理。“根据我自己测试的结果，模型很早就决定数百个算法流程太多了，根本无法尝试，因此它们干脆不展开。”
这你可能没想到，
Sean举了一个例子，“有多少人能坐下来正确地算出一千步汉诺塔？有很多人能做到，但也有很多做不到。那么，那些算不出答案的人就没有推理能力吗？当然有！他们只是没有足够的认真和耐心去手动完成一千次算法的迭代。”
据报道，
著名AI越狱提示词专家Plenny the Liberator直言，如果我是苹果CEO，看到我的团队发表一篇只专注于记录当前方法局限性的论文，我会当场解雇所有参与者。
令人惊讶的是，
AI博主henry表示，“苹果作为世界上最富有的公司，拥有无与伦比的优势，全力押注人工智能，许下无数承诺，但被所有人瞬间超越。赛程已进行两年，却一无所获，于是写了这篇论文说这一切都是不关键的。”
WWDC在即，苹果“酸了”？
IC外汇认为：
图片来源：苹果官网截图
IC外汇财经新闻：
部分观点认为，苹果发布质疑推理模型能力的论文是“吃不到葡萄说葡萄酸”。
这你可能没想到，
北京时间6月10日凌晨1点，苹果年度开发者大会（WWDC 2025）即将拉开帷幕。然而，外界普遍认为，这次活动在AI方面的进展可能有限，备受期待的Siri升级也将继续缺席。
从某种意义上讲，
据外媒报道，此次WWDC上苹果在AI方面的更新不会带来太多惊喜。科技记者马克·古尔曼发文透露，苹果今年WWDC TMGM外汇官网 中关于AI的信息预计会比较少，甚至可能“令人失望”。
据相关资料显示，
在去年WWDC上发布苹果智能（Apple Intelligence）时，苹果曾高调宣布对语音助手Siri进行“彻底重构”，新Siri应该更聪明、更懂使用者、能够理解并执行棘手任务。然而，一年过去，Siri的升级却迟迟未见实质性进展。
简而言之，
据多位前苹果员工透露，苹果AI领域的进展不顺，部分原因在于公司内部领导风格的差异和组织间的协作难点。
来自IC外汇官网：
另一方面，苹果在AI领域的探索，也受到了技术路线指定和隐私政策带来的双重影响。苹果一直以来引以为傲的“隐私至上”原则，在AI时代给其带来了一些新的负担。一位熟悉苹果AI和软件开发工作的人表示：“在苹果公司开发AI的过程中，做任何事情都可能遇到很多‘不’，诸位必须与负责隐私的部门反复沟通协调才能推进工作。”
