苹果研究团队近日发布论文，指出当前主流的推理模型（LRMs）在处理复杂问题时存在显著局限性。

https://ml-site.cdn-apple.com/papers/the-illusion-of-thinking.pdf

研究团队通过可控的谜题环境（如汉诺塔、跳棋等）系统分析了模型的推理能力，发现其性能随问题复杂度呈现三阶段变化：

• 在低复杂度任务中，非推理模型（LLMs）表现更优；
• 中等复杂度时，推理模型通过 “思维链”（CoT）展现优势；
• 而当复杂度超过临界值（如汉诺塔圆盘数≥8），两类模型准确率均骤降至零。

研究还发现，推理模型存在 “反直觉缩放限制”：推理成本（token 使用量）随复杂度先增后减，即使在 token 预算充足的情况下，模型也会在接近崩溃点时主动减少推理投入。

对推理轨迹的分析表明，模型在简单问题中存在 “过度思考” 现象，而复杂问题中则无法有效自我修正。

此外，模型在执行明确算法时表现不佳，显示出符号操作和逻辑一致性的缺陷。