主要观点：
Apple Machine Learning Research 发表论文《The Illusion of Thinking》，研究大型推理模型（LRMs）在一组谜题上的能力，发现随着谜题复杂度增加，LRMs 会遇到“崩溃”阈值，模型推理努力减少，表明其可扩展性有限。
通过四个谜题实验，包括汉诺塔等，及多种 LRMs 和标准语言模型，发现随着复杂度增加，模型行为经历三种状态，简单问题时推理和非推理模型表现相似，中复杂度时推理模型表现更好，高复杂度时两组性能都“崩溃至零”。
LRMs 如 o3 和 DeepSeek-R1 经微调可生成分步指令以更好回答，实验中分析模型生成的推理轨迹，简单问题时模型常“过度思考”，中复杂度问题时先探索错误解再找到正确解。
该论文在 AI 社区引发广泛辩论，认知科学家 Gary Marcus 认为 LLM 不能替代良好的常规算法，开源开发者 Simon Willison 则认为应关注其当前有用应用，不论是否是通向 AGI 的道路。
关键信息：

• 论文标题及研究对象：《The Illusion of Thinking》，研究 LRMs 在谜题上的能力。
• 实验所选谜题及模型：包括汉诺塔等四个谜题，o3-mini、DeepSeek-R1 等多种模型。
• 模型行为及状态：随复杂度增加经历三种状态，简单、中复杂度、高复杂度时表现不同。
• LRM 特点及优势：经微调可“思考出声”以更好回答，能解决以前 LLM 无法处理的问题。
• 研究局限性：主要依赖“黑箱”API 调用，实验用谜题结论不一定适用于所有推理领域。
  重要细节：
• 实验中谜题复杂度可变化，如汉诺塔的盘子数量可变。
• Gary Marcus 指出 LLM 在多种方面不能替代常规算法。
• Simon Willison 强调关注 LLM 当前有用应用。
• Apple 承认研究的局限性并表示结论不一定普遍适用。