来自 苹果公司 的一项新研究引发了关于人工智能模型是否能够真正推理或仅仅模仿智能行为的辩论。通过对 GPT-4 变体和 Claude 等系统进行经典逻辑难题的测试，研究表明这些工具在需要真正解决问题时可能会出现失误。
发生了什么： 苹果发布了一项研究，挑战了大型语言模型（LLMs）能够通过复杂任务进行逻辑推理的观点。Ars Technica 解释说，通过对 OpenAI 的 o1 和 o3、Claude 3.7 Sonnet 以及 DeepSeek-R1 等流行模型进行经典逻辑难题的测试，如汉诺塔和过河任务，研究团队发现这些系统在遇到需要系统思维的不熟悉挑战时往往会失败。
即使配备了成熟的算法，这些模型也面临困难——突显了智能表现与实际逻辑思考之间的关键差距。
“大型语言模型无法可靠地解决汉诺塔问题真是令人尴尬，” 人工智能研究员 Gary Marcus 说道，联合负责人 Iman Mirzadeh 补充说模型的表现显示 “它们的过程并不逻辑且智能。”
研究还发现，尽管一些模型在中等难度任务上通过逐步推理表现更好，但随着复杂性的增加，它们完全失败，往往减少推理的努力而不是增加。
这种努力的奇怪下降，尽管计算资源充足，显示了研究人员所称的 “反直觉的规模限制”。在各种难题中也观察到了不一致性，表明这些失败是特定任务的，而不仅仅是技术上的问题。
为什么这很重要： 一些专家反驳了苹果的结论，认为人工智能模型中明显的推理失败可能源于内置的限制，而不是固有的缺陷。
Pierre Ferragu，来自 New Street Research 的分析师表示，这篇论文充满了 “本体论的无稽之谈”。
经济学家 Kevin A. Bryan 提出，这些系统是在紧张的计算预算下训练使用捷径的。他和其他人指出，内部基准显示，当允许更多的标记时，模型表现更好，但生产系统故意限制这一点以避免低效，这意味着苹果的发现可能是设计上的限制，而非自然上的限制。
其他人，如软件工程师 Sean Goedecke 和人工智能研究员 Simon Willison，质疑逻辑难题是否真的是对语言模型的公平测试。Goedecke 将 DeepSeek-R1 在汉诺塔上的失败描述为避免不切实际输出的有意识决定，而不是能力的缺乏。
Willison 补充说，测试可能只是遇到了标记限制，暗示这篇论文更具轰动性而非结论性。即使苹果的研究人员也承认这些难题代表了推理挑战的狭窄切片，并警告不要过于广泛地推广他们的结果。
这项研究恰逢全球开发者大会（WWDC），苹果在会上发布了一系列新产品的公告。专家们注意到缺乏任何新的人工智能功能，并表示失望，导致公司股票下调。在活动后，股价下跌，许多人对苹果的人工智能未来提出了质疑。
价格动态： 苹果股票目前交易价格为 198.76 美元，盘前下跌 -0.01%。
Benzinga Edge 排名显示，动量为 29.72，价值为 9.02，增长为 32.90，质量以 76.94 的分数领先。欲了解更多详情，请点击这里。
<ul>
<li>史蒂夫·乔布斯会 ‘解雇所有人’：苹果在 iOS 26 中的液态玻璃在线遭到嘲讽——Dan Ives 称 WWDC 2025 为 ‘无聊’</li>
</ul>
图片来源：jamesteohart / Shutterstock.com

苹果

一项由苹果公司进行的新研究质疑了人工智能模型的推理能力，认为它们往往模仿智能行为，而非真正进行推理。对流行模型如 GPT-4 和 Claude 进行逻辑难题测试时，发现它们在复杂问题解决方面存在显著失败。尽管一些专家认为这些局限性源于设计限制，而非固有缺陷，但其他人对该研究的方法论提出了批评。研究发布后，苹果的股票下跌，反映出人们对该公司在最近的全球开发者大会后人工智能进展的担忧

A new study from Apple Inc. AAPL is stirring debate about whether AI models can genuinely reason or simply mimic intelligent behavior. By testing systems like GPT-4 variants and Claude on classic logic puzzles, the research suggests that these tools may stumble when real problem-solving is required.
<div class="lb-trans">来自 苹果公司 的一项新研究引发了关于人工智能模型是否能够真正推理或仅仅模仿智能行为的辩论。通过对 GPT-4 变体和 Claude 等系统进行经典逻辑难题的测试，研究表明这些工具在需要真正解决问题时可能会出现失误。
</div>What Happened: Apple released a study challenging the notion that large language models (LLMs) can logically reason through complex tasks. Ars Technica explains that by testing popular models like OpenAI's o1 and o3, Claude 3.7 Sonnet, and DeepSeek-R1 on classic logic puzzles such as Tower of Hanoi and river crossing tasks, the research team discovered that these systems often fail when they encounter unfamiliar challenges that demand systematic thinking.
<div class="lb-trans">发生了什么： 苹果发布了一项研究，挑战了大型语言模型（LLMs）能够通过复杂任务进行逻辑推理的观点。Ars Technica 解释说，通过对 OpenAI 的 o1 和 o3、Claude 3.7 Sonnet 以及 DeepSeek-R1 等流行模型进行经典逻辑难题的测试，如汉诺塔和过河任务，研究团队发现这些系统在遇到需要系统思维的不熟悉挑战时往往会失败。
</div>Even when equipped with established algorithms, the models struggled—highlighting a key gap between performing intelligently and actually thinking logically.
<div class="lb-trans">即使配备了成熟的算法，这些模型也面临困难——突显了智能表现与实际逻辑思考之间的关键差距。
</div>&#34;It is truly embarrassing that LLMs cannot reliably solve Hanoi,&#34; said AI researcher Gary Marcus, with co-lead Iman Mirzadeh adding the models' behavior shows &#34;their process is not logical and intelligent.&#34;
<div class="lb-trans">“大型语言模型无法可靠地解决汉诺塔问题真是令人尴尬，” 人工智能研究员 Gary Marcus 说道，联合负责人 Iman Mirzadeh 补充说模型的表现显示 “它们的过程并不逻辑且智能。”
</div>The study also found that while some models performed better on moderately difficult tasks by implementing step-by-step reasoning, they failed completely as complexity increased, often reducing their reasoning effort instead of expanding it.
<div class="lb-trans">研究还发现，尽管一些模型在中等难度任务上通过逐步推理表现更好，但随着复杂性的增加，它们完全失败，往往减少推理的努力而不是增加。
</div>This odd drop-off in effort, despite ample computing resources, shows what the researchers call a &#34;counterintuitive scaling limit.&#34; Inconsistencies were also seen across a variety of puzzles, suggesting the failures are task-specific rather than purely technical.
<div class="lb-trans">这种努力的奇怪下降，尽管计算资源充足，显示了研究人员所称的 “反直觉的规模限制”。在各种难题中也观察到了不一致性，表明这些失败是特定任务的，而不仅仅是技术上的问题。
</div>Why It Matters: Some experts are countering Apple's conclusions, arguing that the apparent reasoning failures in AI models may originate from built-in constraints rather than inherent flaws.
<div class="lb-trans">为什么这很重要： 一些专家反驳了苹果的结论，认为人工智能模型中明显的推理失败可能源于内置的限制，而不是固有的缺陷。
</div>Pierre Ferragu, an analyst at New Street Research, said that the paper is riddled with &#34;ontological nonsense.&#34;
<div class="lb-trans">Pierre Ferragu，来自 New Street Research 的分析师表示，这篇论文充满了 “本体论的无稽之谈”。
</div>Economist Kevin A. Bryan suggested that these systems are trained to use shortcuts under tight computational budgets. He and others note that internal benchmarks show models perform better when allowed more tokens, but production systems restrict this on purpose to avoid inefficiency, meaning the Apple findings might be discovering limits by design, not nature.
<div class="lb-trans">经济学家 Kevin A. Bryan 提出，这些系统是在紧张的计算预算下训练使用捷径的。他和其他人指出，内部基准显示，当允许更多的标记时，模型表现更好，但生产系统故意限制这一点以避免低效，这意味着苹果的发现可能是设计上的限制，而非自然上的限制。
</div>Others, like software engineer Sean Goedecke and AI researcher Simon Willison, question whether logic puzzles are even fair tests for language models. Goedecke described DeepSeek-R1's failure on the Tower of Hanoi as a conscious decision to avoid impractical output, not a lack of ability.
<div class="lb-trans">其他人，如软件工程师 Sean Goedecke 和人工智能研究员 Simon Willison，质疑逻辑难题是否真的是对语言模型的公平测试。Goedecke 将 DeepSeek-R1 在汉诺塔上的失败描述为避免不切实际输出的有意识决定，而不是能力的缺乏。
</div>Willison added that the test may simply run into token limits, hinting that the paper is more sensational than conclusive. Even Apple's researchers admit the puzzles represent a narrow slice of reasoning challenges and caution against generalizing their results too widely.
<div class="lb-trans">Willison 补充说，测试可能只是遇到了标记限制，暗示这篇论文更具轰动性而非结论性。即使苹果的研究人员也承认这些难题代表了推理挑战的狭窄切片，并警告不要过于广泛地推广他们的结果。
</div>The study comes on the heels of the Worldwide Developers Conference (WWDC), where Apple made a range of new announcements about its products. Experts noted the absence of any new AI features and expressed disappointment, downgrading the company's stock. Shares fell after the event, with many raising questions about Apple's AI future.
<div class="lb-trans">这项研究恰逢全球开发者大会（WWDC），苹果在会上发布了一系列新产品的公告。专家们注意到缺乏任何新的人工智能功能，并表示失望，导致公司股票下调。在活动后，股价下跌，许多人对苹果的人工智能未来提出了质疑。
</div>Price Action: Apple stock is currently trading at $198.76, down -0.01% pre-market.
<div class="lb-trans">价格动态： 苹果股票目前交易价格为 198.76 美元，盘前下跌 -0.01%。
</div>Benzinga Edge Rankings show that Momentum stands at 29.72, Value at 9.02, Growth at 32.90, and Quality leads the group with a score of 76.94. For more details, click here.
<div class="lb-trans">Benzinga Edge 排名显示，动量为 29.72，价值为 9.02，增长为 32.90，质量以 76.94 的分数领先。欲了解更多详情，请点击这里。
</div><ul>
<li>Steve Jobs Would ‘Have Fired Everyone’: Apple’s Liquid Glass In iOS 26 Gets Roasted Online — Dan Ives Calls WWDC 2025 A ‘Yawner’</li>
</ul>
<div class="lb-trans"><ul>
<li>史蒂夫·乔布斯会 ‘解雇所有人’：苹果在 iOS 26 中的液态玻璃在线遭到嘲讽——Dan Ives 称 WWDC 2025 为 ‘无聊’</li>
</ul>
</div>Photo courtesy: jamesteohart / Shutterstock.com
<div class="lb-trans">图片来源：jamesteohart / Shutterstock.com
</div>

Apple Study Asks Whether AI Can Think For Itself: Experts Say Its Limits Are Human-Made

- 苹果公司发布研究，质疑大型语言模型的逻辑推理能力。  
- 研究发现，模型在复杂任务中常常失败，显示出思维与智能的差距。  
- 专家对此提出反驳，认为失败可能源于内在限制而非固有缺陷。  

苹果公司的一项研究探讨人工智能是否能够自主思考，专家认为其限制是人为设定的