为何顶级大模型在简单谜题和视觉拼图上依然不及格
麻省理工科技评论的分析强调了ai推理中的持续性差距，特别是显示模型在空间旋转和记忆化逻辑谜题方面的失败。
MIT Technology Review 使用一系列逻辑和空间谜题来研究当前人工智能的局限性，引用了一项哥伦比亚大学（Columbia University）的研究，该研究表明模型在 2024 年末至 2025 年初之间解决纽约时报（NYT）Connections谜题的比例从 18% 提高到近 100%。尽管取得了这一进展，但报告强调，前沿模型在智商测试中常见的空间旋转任务中继续失败，并且由于过度依赖记忆的训练数据，很容易被骑士和骗子（Knights and Knaves）等经典逻辑谜题的轻微变化所欺骗。这些测试表明，虽然大型语言模型（LLMs）在琐事方面表现出色，但它们缺乏人类空间思考者所具备的强大的认知灵活性和 3D 操纵能力，这意味着“世界模型”（world models）尚未掌握物理推理。