应用介绍
在我们此前的报道中已经详细介绍过，苹果公司的研究团队通过让模型解答各种谜题，发现 DeepSeek-R1、o3-mini 和 Claude-3.7-Sonnet-Thinking 等前沿大型推理模型在超过某一复杂度阈值之后，准确率会出现全面崩溃。苹果研究团队认为，这表明这些模型并未真正发展出可泛化的推理能力，而只是在进行某种形式的模式匹配。例如，模型可以在汉诺塔中完成多达 100 个正确的动作，但在逻辑推理游戏渡河谜题中却无法给出超过 5 步的正确操作。
在我们此前的报道中已经详细介绍过，苹果公司的研究团队通过让模型解答各种谜题，发现 DeepSeek-R1、o3-mini 和 Claude-3.7-Sonnet-Thinking 等前沿大型推理模型在超过某一复杂度阈值之后，准确率会出现全面崩溃。苹果研究团队认为，这表明这些模型并未真正发展出可泛化的推理能力，而只是在进行某种形式的模式匹配。例如，模型可以在汉诺塔中完成多达 100 个正确的动作，但在逻辑推理游戏渡河谜题中却无法给出超过 5 步的正确操作。
