量子位
·
苹果炮轰推理模型全是假思考！4个游戏戳破神话，o3/DeepSeek高难度全崩溃
💡
原文中文，约4300字，阅读约需11分钟。
📝
内容提要
苹果最新研究质疑现有推理模型的思考能力，认为其仅为模式匹配，复杂任务时易崩溃。研究设计四类谜题，发现“思考”模型在低复杂度任务中表现不佳，中等复杂度时有优势，但在高复杂度任务中均崩溃。论文呼吁改进推理机制，指出苹果在AI领域进展缓慢，面临多重挑战。
🎯
关键要点
- 苹果最新研究质疑现有推理模型的思考能力，认为其仅为模式匹配。
- 研究设计了四类谜题，发现模型在低复杂度任务中表现不佳，中等复杂度时有优势，但在高复杂度任务中均崩溃。
- 论文呼吁改进推理机制，强调现有评估缺乏对思考过程质量的分析。
- 四类谜题包括汉诺塔、跳棋交换、过河问题和积木世界，难度可控。
- 研究发现，低复杂度任务中无思考功能的模型表现更好，而中等复杂度时思考模型有优势。
- 高复杂度任务时，无论是推理模型还是标准模型都会崩溃，准确率下降至零。
- 苹果在AI领域进展缓慢，面临多重挑战，尤其是在大模型方面。
- 苹果的AI功能多次延期和下架，竞争对手已在AI领域取得进展。
- 苹果内部对AI的投资不足，导致在AI领域落后于竞争对手。
- 苹果的AI负责人未能融入核心管理层，缺乏资源支持。
❓
延伸问答
苹果的研究对现有推理模型提出了什么质疑？
苹果的研究认为现有推理模型仅为模式匹配，缺乏真正的思考能力，尤其在高复杂度任务中表现不佳。
苹果设计了哪些谜题来测试推理模型的能力？
苹果设计了汉诺塔、跳棋交换、过河问题和积木世界四类谜题来测试推理模型的能力。
在低复杂度任务中，推理模型的表现如何？
在低复杂度任务中，无思考功能的标准模型表现更好，准确率和效率均高于推理模型。
苹果在AI领域面临哪些挑战？
苹果在AI领域面临投资不足、进展缓慢、功能延期和管理层支持不足等多重挑战。
苹果的研究对推理模型的评估提出了什么建议？
苹果的研究建议应关注推理过程的质量，而不仅仅是最终答案的正确性。
苹果的AI功能为何多次延期和下架？
苹果的AI功能多次延期和下架是因为技术不成熟，部分功能无法正常运行。
➡️
