IXThinker·2025-06-13 18:40

大型推理模型能力天花板仍待釐清

新一代大型推理模型（LRM）會在給出最終答案前生成詳盡思考過程，在各項推理基準上表現大幅躍升，但其基本能力、規模化特性與內在局限仍未被充分理解。有研究以可控謎題環境系統性填補這些認知空白。

評估範式缺陷

目前對LRM的評估主要聚焦既有的數學及編碼基準，強調最終答案準確率。這種範式容易受數據污染影響，亦無法深入剖析推理痕跡（reasoning traces）的結構與質量，限制了我們對模型推理機制的全面認知。