蘋果研究揭示大型語言模型 (LLM) 在數(shù)學推理中的局限性
一項由蘋果 AI 研究團隊發(fā)表的新論文突出了大型語言模型 (LLM) 在數(shù)學推理方面的重大缺陷，盡管 LLM 在生成人類水平的文本方面取得了顯著進展。
研究人員通過一個簡單的數(shù)學問題證明了這一局限性。盡管 LLM 在原始問題中給出了正確的答案，但在添加無關信息后，其準確性急劇下降。
進一步的測試表明，幾乎所有修改后的問題都會導致 LLM 回答準確率的大幅下降。這表明 LLM 并非真正理解數(shù)學問題，而是依賴于訓??練數(shù)據(jù)中的模式進行預測。
這一發(fā)現(xiàn)強調(diào)了 LLM 在進行真正邏輯推理時的局限性，阻礙了其在人工智能領域的發(fā)展。盡管 LLM 在許多方面表現(xiàn)出色，但其推理能力仍有改進的空間。
（舉報）
- 相關推薦
-
薦不要思考過程，推理模型能力能夠更強
UC伯克利和艾倫實驗室的最新研究表明，推理模型無需依賴冗長的思考過程也能有效工作。研究人員提出的"無思考(NoThinking)"方法通過簡單提示直接生成解決方案，跳過了傳統(tǒng)推理模型中的顯性思考步驟。實驗證明，在低資源(低token數(shù)量、少模型參數(shù))或低延遲情況下，NoThinking方法的表現(xiàn)優(yōu)于傳統(tǒng)思考方式，能減少token使用量并提高推理速度。該方法在數(shù)學問題解決、編程和形式定理證明等任務中表現(xiàn)優(yōu)異，尤其在資源受限時優(yōu)勢更明顯。研究還發(fā)現(xiàn)，結(jié)合并行計算擴展后，NoThinking能進一步提升性能，在保持準確性的同時顯著降低延遲和計算成本。這一發(fā)現(xiàn)挑戰(zhàn)了"推理模型必須依賴詳細思考過程"的傳統(tǒng)認知。
-
薦國產(chǎn)六大推理模型激戰(zhàn)OpenAI？
2025年春節(jié)前夕，DeepSeek-R1模型發(fā)布，標志著中國AI進入推理模型新時代。文章梳理了國產(chǎn)大模型發(fā)展歷程：從2022年ChatGPT引發(fā)國內(nèi)追趕OpenAI熱潮，到2023年"百模大戰(zhàn)"，再到2024年"AI六小虎"格局形成。重點分析了六大國產(chǎn)推理模型（DeepSeek、百度、阿里、科大訊飛、字節(jié)、騰訊）的技術特點與市場表現(xiàn)，指出國產(chǎn)模型在性能上已接近GPT-4水平。特別強調(diào)科大訊飛星火X1憑借全國產(chǎn)化技術路線獲得政企青睞，以及DeepSeek-R1以560萬美元超低成本實現(xiàn)高性能的突破。文章還探討了英偉達芯片斷供危機下，國產(chǎn)全棧技術路徑的重要性，認為自主可控將成為對抗國際不確定性的關鍵。最后指出，隨著推理模型成為競爭焦點，國產(chǎn)大模型正從技術追隨轉(zhuǎn)向自主創(chuàng)新階段。
-
薦剛剛，商湯發(fā)布第六代大模型：6000億參數(shù)多模態(tài)MoE，中長視頻直接可推理
現(xiàn)在的國產(chǎn)AI應用，一口氣看好幾分鐘的視頻，都可以直接做推理和解析了!瞧~只需“喂”上一段柯南片段，AI就搖身一變成“名偵探”做剖析:它會對整個視頻的內(nèi)容先做一個總結(jié)，再按照秒級，對視頻片段做內(nèi)容上的推演。商湯科技聯(lián)合創(chuàng)始人楊帆認為:銀河通用合伙人、大模型負責人張直政表示:除此之外，上海交通大學副教授閆維新對這個問題的看法是:總言之，商湯作為國?
-
阿丘科技李嘉悅：大模型驅(qū)動的AI檢測范式變革——大模型、小模型、智能體的協(xié)同進化
3月28日，由機器視覺產(chǎn)業(yè)聯(lián)盟主辦、慕尼黑展覽有限公司承辦的VisionChina2025機器視覺展在上海新國際博覽中心圓滿落幕。阿丘科技產(chǎn)品總監(jiān)李嘉悅在機器視覺及工業(yè)應用研討會現(xiàn)場，圍繞“大模型驅(qū)動的AI檢測范式變革:大模型、小模型與智能體的協(xié)同進化”的主題，發(fā)表了精彩演講?！苯衲?，在這個快速變化的時代，我要補充一句:“AI工業(yè)視覺的格局正在加速變革，不會用大模型的將會被善用大模型的人淘汰。
-
合合信息發(fā)布“大模型加速器 2.0”，助力大模型跨越“幻覺”障礙
近日，上海合合信息科技股份有限公司（簡稱“合合信息”）TextIn“大模型加速器 2.0”版本正式上線，憑借其多維度升級，為降低大模型“幻覺”風險、推動大模型精準應用提供了強大助力。訓練數(shù)據(jù)是影響大模型“認知能力”的關鍵，合合信息“大模型加速器 2.0”基于領先的智能文檔處理技術，從數(shù)據(jù)源頭入手，對復雜文檔的版式、布局和元素進行精準解析及結(jié)構化處理，
-
苦等一年 Meta終于放大招 正式發(fā)布開源大模型Llama 4
美國科技巨擘Meta重磅推出其迄今最為強大的開源AI模型Llama4，恰逢Llama3上市一周年之際。Llama4系列采用了先進的混合專家架構，這一架構在模型訓練及用戶查詢回答過程中展現(xiàn)出更高效率，通過將模型劃分為多個專注于特定任務的專家”子模型，實現(xiàn)精準高效的處理。Meta首席執(zhí)行官扎克伯格表示：他們的目標是建立世界領先的人工智能，將其開源，并使其普遍可用，以便世界上每個人都能受益。
-
聯(lián)發(fā)科天璣9400+拿下最強AI手機芯片：端側(cè)推理準確率反超云端大模型
今日，聯(lián)發(fā)科舉辦天璣開發(fā)者大會2025，正式發(fā)布新一代旗艦芯片天璣9400。天璣9400定位旗艦5G智能體AI芯片，綜合AI跑分是天璣9400的1.25倍，支持最高8B規(guī)模的DeepSeek-R1端測部署，推理準確率反超云端大模型。天璣9400采用臺積電第二代3nm工藝，CPU架構延續(xù)創(chuàng)新全大核設計，包含1顆主頻3.7GHz的Cortex-X925超大核、3顆3.3GHz的Cortex-X4大核與4顆2.4GHz的Cortex-A720大核。
-
Llama 4大模型跌落神壇：作弊刷榜、代碼能力極差、和DeepSeek比就是偽開源
被寄予厚望的美國Meta公司的最新開源大模型Llama4發(fā)布不到2天時間，口碑急轉(zhuǎn)直下，被質(zhì)疑為刷榜作弊實際效果差、開源條件多部署門檻高是偽開源等。大模型評測平臺LMArena親自下場發(fā)文，打臉Meta提供給平臺的Llama4是“特供版”。Meta若繼續(xù)在商業(yè)控制與技術開放之間搖擺，恐將在AI競賽中進一步失去開發(fā)者支持。
-
薦AI日報：小米首個推理大模型開源Xiaomi MiMo；快手上線AI筆記工具“喵記多”；騰訊拆分AI團隊
本文匯總了AI領域最新動態(tài)：1)小米開源70億參數(shù)大模型Xiaomi MiMo，在數(shù)學推理和代碼競賽中超越OpenAI和阿里模型；2)快手推出AI筆記工具"喵記多"，簡化筆記管理；3)Luma AI發(fā)布電影級鏡頭控制API，降低視頻生成門檻；4)騰訊重組AI團隊，加大語言模型研發(fā)投入；5)Anthropic為Claude引入新語音"Glassy"；6)谷歌NotebookLM新增50+語言音頻概述功能；7)xAI將發(fā)布Grok3.5模型；8)Meta推出獨立AI助手應用挑戰(zhàn)ChatGPT；9)OpenAI緊急修復GPT-4o"諂媚"問題；10)Mac本地AI助手Simular升級隱私保護；11)CameraBench項目幫助AI理解鏡頭運動；12)谷歌推出個性化語言學習AI工具。
-
奔馳新款CLA接入豆包大模型
4月22日，奔馳與火山引擎合作的首款國產(chǎn)純電車型CLA全球首發(fā)亮相。該車搭載奔馳自研MB.OS架構，接入火山引擎大模型，支持個性化智能交互體驗。智能系統(tǒng)可識別4種情緒并給予反饋，交互效率提升50%，喚醒僅需0.2秒。虛擬助手能解答百科問題并協(xié)助車輛功能設置。這是雙方繼2024年8月達成AI戰(zhàn)略合作后落地的首款量產(chǎn)車型，結(jié)合生成式AI和大數(shù)據(jù)技術，為中國用戶打造更智能的用車體驗。