質疑 DeepSeek-R1、Claude Thinking 根本不會推理！蘋果爭議論文翻車了？

蘋果團隊的一篇論文質疑了當前 AI 推理模型（如 DeepSeek-R1 和 Claude 3.7 Sonnet）的推理能力，認為這些模型實際上只是擅長記憶模式而非真正推理。研究表明，儘管這些模型通過強化學習獲得了複雜的自我反思機制，但在面對高複雜度問題時，其性能會崩潰。蘋果的研究採用可控謎題環境，揭示了標準 LLM 在簡單問題上的效率更高，而在複雜問題上兩者均表現不佳。