來自 蘋果公司 的一項新研究引發了關於人工智能模型是否能夠真正推理或僅僅模仿智能行為的辯論。通過對 GPT-4 變體和 Claude 等系統進行經典邏輯難題的測試，研究表明這些工具在需要真正解決問題時可能會出現失誤。
發生了什麼： 蘋果發佈了一項研究，挑戰了大型語言模型（LLMs）能夠通過複雜任務進行邏輯推理的觀點。Ars Technica 解釋説，通過對 OpenAI 的 o1 和 o3、Claude 3.7 Sonnet 以及 DeepSeek-R1 等流行模型進行經典邏輯難題的測試，如漢諾塔和過河任務，研究團隊發現這些系統在遇到需要系統思維的不熟悉挑戰時往往會失敗。
即使配備了成熟的算法，這些模型也面臨困難——突顯了智能表現與實際邏輯思考之間的關鍵差距。
“大型語言模型無法可靠地解決漢諾塔問題真是令人尷尬，” 人工智能研究員 Gary Marcus 説道，聯合負責人 Iman Mirzadeh 補充説模型的表現顯示 “它們的過程並不邏輯且智能。”
研究還發現，儘管一些模型在中等難度任務上通過逐步推理表現更好，但隨着複雜性的增加，它們完全失敗，往往減少推理的努力而不是增加。
這種努力的奇怪下降，儘管計算資源充足，顯示了研究人員所稱的 “反直覺的規模限制”。在各種難題中也觀察到了不一致性，表明這些失敗是特定任務的，而不僅僅是技術上的問題。
為什麼這很重要： 一些專家反駁了蘋果的結論，認為人工智能模型中明顯的推理失敗可能源於內置的限制，而不是固有的缺陷。
Pierre Ferragu，來自 New Street Research 的分析師表示，這篇論文充滿了 “本體論的無稽之談”。
經濟學家 Kevin A. Bryan 提出，這些系統是在緊張的計算預算下訓練使用捷徑的。他和其他人指出，內部基準顯示，當允許更多的標記時，模型表現更好，但生產系統故意限制這一點以避免低效，這意味着蘋果的發現可能是設計上的限制，而非自然上的限制。
其他人，如軟件工程師 Sean Goedecke 和人工智能研究員 Simon Willison，質疑邏輯難題是否真的是對語言模型的公平測試。Goedecke 將 DeepSeek-R1 在漢諾塔上的失敗描述為避免不切實際輸出的有意識決定，而不是能力的缺乏。
Willison 補充説，測試可能只是遇到了標記限制，暗示這篇論文更具轟動性而非結論性。即使蘋果的研究人員也承認這些難題代表了推理挑戰的狹窄切片，並警告不要過於廣泛地推廣他們的結果。
這項研究恰逢全球開發者大會（WWDC），蘋果在會上發佈了一系列新產品的公告。專家們注意到缺乏任何新的人工智能功能，並表示失望，導致公司股票下調。在活動後，股價下跌，許多人對蘋果的人工智能未來提出了質疑。
價格動態： 蘋果股票目前交易價格為 198.76 美元，盤前下跌 -0.01%。
Benzinga Edge 排名顯示，動量為 29.72，價值為 9.02，增長為 32.90，質量以 76.94 的分數領先。欲瞭解更多詳情，請點擊這裏。
<ul>
<li>史蒂夫·喬布斯會 ‘解僱所有人’：蘋果在 iOS 26 中的液態玻璃在線遭到嘲諷——Dan Ives 稱 WWDC 2025 為 ‘無聊’</li>
</ul>
圖片來源：jamesteohart / Shutterstock.com

蘋果

一項由蘋果公司進行的新研究質疑了人工智能模型的推理能力，認為它們往往模仿智能行為，而非真正進行推理。對流行模型如 GPT-4 和 Claude 進行邏輯難題測試時，發現它們在複雜問題解決方面存在顯著失敗。儘管一些專家認為這些侷限性源於設計限制，而非固有缺陷，但其他人對該研究的方法論提出了批評。研究發佈後，蘋果的股票下跌，反映出人們對該公司在最近的全球開發者大會後人工智能進展的擔憂

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">來自 蘋果公司 的一項新研究引發了關於人工智能模型是否能夠真正推理或僅僅模仿智能行為的辯論。通過對 GPT-4 變體和 Claude 等系統進行經典邏輯難題的測試，研究表明這些工具在需要真正解決問題時可能會出現失誤。
</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">發生了什麼： 蘋果發佈了一項研究，挑戰了大型語言模型（LLMs）能夠通過複雜任務進行邏輯推理的觀點。Ars Technica 解釋説，通過對 OpenAI 的 o1 和 o3、Claude 3.7 Sonnet 以及 DeepSeek-R1 等流行模型進行經典邏輯難題的測試，如漢諾塔和過河任務，研究團隊發現這些系統在遇到需要系統思維的不熟悉挑戰時往往會失敗。
</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">即使配備了成熟的算法，這些模型也面臨困難——突顯了智能表現與實際邏輯思考之間的關鍵差距。
</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">“大型語言模型無法可靠地解決漢諾塔問題真是令人尷尬，” 人工智能研究員 Gary Marcus 説道，聯合負責人 Iman Mirzadeh 補充説模型的表現顯示 “它們的過程並不邏輯且智能。”
</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">研究還發現，儘管一些模型在中等難度任務上通過逐步推理表現更好，但隨着複雜性的增加，它們完全失敗，往往減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">這種努力的奇怪下降，儘管計算資源充足，顯示了研究人員所稱的 “反直覺的規模限制”。在各種難題中也觀察到了不一致性，表明這些失敗是特定任務的，而不僅僅是技術上的問題。
</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">為什麼這很重要： 一些專家反駁了蘋果的結論，認為人工智能模型中明顯的推理失敗可能源於內置的限制，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，來自 New Street Research 的分析師表示，這篇論文充滿了 “本體論的無稽之談”。
</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">經濟學家 Kevin A. Bryan 提出，這些系統是在緊張的計算預算下訓練使用捷徑的。他和其他人指出，內部基準顯示，當允許更多的標記時，模型表現更好，但生產系統故意限制這一點以避免低效，這意味着蘋果的發現可能是設計上的限制，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，如軟件工程師 Sean Goedecke 和人工智能研究員 Simon Willison，質疑邏輯難題是否真的是對語言模型的公平測試。Goedecke 將 DeepSeek-R1 在漢諾塔上的失敗描述為避免不切實際輸出的有意識決定，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 補充説，測試可能只是遇到了標記限制，暗示這篇論文更具轟動性而非結論性。即使蘋果的研究人員也承認這些難題代表了推理挑戰的狹窄切片，並警告不要過於廣泛地推廣他們的結果。
</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">這項研究恰逢全球開發者大會（WWDC），蘋果在會上發佈了一系列新產品的公告。專家們注意到缺乏任何新的人工智能功能，並表示失望，導致公司股票下調。在活動後，股價下跌，許多人對蘋果的人工智能未來提出了質疑。
</div>Price Action: Apple stock is currently trading at $198.76, down -0.01% pre-market.
<div class="lb-trans">價格動態： 蘋果股票目前交易價格為 198.76 美元，盤前下跌 -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 排名顯示，動量為 29.72，價值為 9.02，增長為 32.90，質量以 76.94 的分數領先。欲瞭解更多詳情，請點擊這裏。
</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·喬布斯會 ‘解僱所有人’：蘋果在 iOS 26 中的液態玻璃在線遭到嘲諷——Dan Ives 稱 WWDC 2025 為 ‘無聊’</li>
</ul>
</div>Photo courtesy: jamesteohart / Shutterstock.com
<div class="lb-trans">圖片來源：jamesteohart / Shutterstock.com
</div>

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

- 蘋果公司發佈研究，質疑大型語言模型的邏輯推理能力。  
- 研究發現，模型在複雜任務中常常失敗，顯示出思維與智能的差距。  
- 專家對此提出反駁，認為失敗可能源於內在限制而非固有缺陷。  

蘋果公司的一項研究探討人工智能是否能夠自主思考，專家認為其限制是人為設定的