AI Dance

历史性的时刻！Claude作为第一作者，手撕苹果论文🥲 前两天苹果发了篇论文The Illusion of Thinking，质疑大模型只是在伪装思考，根本就不会推理。结果有人用Claude Opus 作为第一作者，写了短文，The Illusion of the Illusion of Thinking。结论：苹果论文所谓的推理失败，其实只是实验设计有问题，推理崩溃实际上只是token限制约束（其实小红书网友早就在评论区指出这点了）最有趣的几个发现 1、模型其实知道自己的限制处理汉诺塔问题时，模型会主动说“模式还会继续，但为了避免太长，我就停在这里”。这说明什么？模型完全理解解题思路，只是因为输出长度限制选择不继续。。就像考试时间不够，你只能写“解题思路如下...” 2、他们测试了数学上不可能的题目！更离谱的是河流过桥实验。测试N≥6个角色、船容量b=3的情况。但数学上已证明N>5且b=3时，传教士-食人族谜题（及其变种）根本没有解！苹果那个论文把这些不可能的实例自动评为失败，等于是在惩罚模型正确识别出无解问题。 3、token限制导致的崩溃假象回到汉诺塔分析，这个论文量化了可解规模和token需求的关系。给定token budget（Claude-3.7-Sonnet和DeepSeek-R1是6.4 万，o3-mini是10万），最大可解规模： - Claude-3.7和DeepSeek-R1：7-8层 - o3-mini：8层报告的“崩溃”恰好发生在这些尺寸之后。 4、换个问法，问题立马解决最有说服力的实验：让模型用Lua语言而非穷举方式解决15层汉诺塔 prompt：解决15个盘子的汉诺塔问题。输出一个Lua函数，调用时打印解决方案。结果：所有模型都高准确率完成，用时不到5,000个token。证明推理能力完全正常。 5、复杂度≠解答长度汉诺塔虽需100+步移动，但每步决策简单；河流过桥只需5步，但需要复杂搜索。这解释了为什么模型在长步骤简单问题上表现好，短步骤复杂问题上反而困难。