大型语言模型在演绎推理上表现有限，改变呈现格式和内容未能整体提升性能，其推理偏见与人类不同。模型虽能做部分逻辑推理，但在规划、泛化、常识及反事实任务中仍有明显缺陷，推理能力远不及人类。