详细解读下苹果前几天发的论文《The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity》http://t.cn/A6eVU5CI
1.核心观点：AI推理模型是假的，仅仅是模式匹配机器。

2.研究发现：用汉诺塔、过河问题等可调难度的谜题测试了DeepSeek-R1、Claude 3.7等“推理模型”，发现三个现象：
（1）简单问题：普通模型反而更准，推理模型常“想太多”出错；
（2）中等问题：推理模型优势明显，思考步骤有用；
（3）高难问题：所有模型集体“崩溃”，准确率直接归零。

3.批判意见：我搜了网上对这篇论文的质疑，三处硬伤：
（1）测试任务脱离现实。
论文用“汉诺塔”等机械谜题当尺子，但这类任务需严格重复千百步操作，人类也会抓狂。GitHub工程师Sean实测发现：模型不是“不会推理”，而是判断“步数太多”后主动放弃，像人嫌麻烦不想手算一样。用执行力不足反推智力缺陷，逻辑站不住脚。
（2）忽视模型的自知能力。
当DeepSeek-R1面对10层汉诺塔时说：“手动列所有步骤不现实，需找系统方法”——这恰说明它能评估任务可行性，而非无脑执行。苹果将此视为“崩溃”，却未解释这种自知式放弃为何不是更高级的推理。
（3）混淆“不愿做”和“不能做”。
论文称“即使给解题算法，模型也失败”——但有人复现实验，发现主因是输出长度限制（如token超限），而非逻辑崩塌。就像给你菜谱却只许写5个字，做不好菜不等于不懂烹饪。

4.引申思考：推理≠解谜
苹果的测试像让学生背公式解数学题，但真实世界的推理需结合知识、工具与目标调整。人类医生诊断时，会查资料、用仪器、问同行；AI写代码时，也会调用API、搜索文档。而苹果把模型关进“谜题真空舱”，切断一切外部工具和上下文，自然显得笨拙。推理的本质是路径探索，不是苦力计算。要求AI像计算机一样精准执行千步汉诺塔，如同逼人徒手开平方——做不到，不代表不会推理。

5.人类与AI的区别：该警惕的不是AI多笨，而是我们多懒
苹果论文有价值：它揭穿了“AI万能论”的泡沫，尤其当任务变成机械操作时。但它错在把短板当本质，用单一测试否定全局能力。
当前大模型当然不完美：它们会瞎想、会放弃、会抄近道——但这不正像人类吗？真正的危险，是我们指望AI代替思考，却忘了自己的责任：定义问题，选择工具，校准方向。 模型是镜子，照出的，始终是我们自己的期待与局限。
#微博兴趣创作计划##ai创造营##人工智能[超话]##苹果新论文证明llm大模型存在缺陷#