大语言模型并不具备真正的推理能力
文章指出当前大语言模型仅依赖概率预测与模式匹配，缺乏像 AlphaGo 那样显式的搜索机制与可追溯的推理状态。这种缺陷导致模型无法在医疗、工程等高风险领域提供可信结果，且常出现事后编造推理过程的现象。作者呼吁借鉴 AlphaGo 架构，构建具备独立信念系统与明确认知状态的新一代机器推理系统。
#引用生态
#引用生态
今日 3 条MIT Technology Review · AIAI 评分4343 arXiv cs.CR精选AI 评分7878 可重放工具智能体审计收据联合绑定声明、证据与执行，并在 1,280 次跨对象攻击中检测出 1,275 次替换。
论文提出可重放工具智能体审计收据，联合绑定声明、来源片段、执行前缀和来源版本。它针对的问题不是引用或执行日志单独无效，而是两者都形式有效时，声明仍可能被移植到不同声明、动作、运行或来源版本。该合同把展示给用户的 claim 与产生它的 committed execution 和 cited source 关联起来，使审计不再只检查引用和 trace 是否 well formed。 收据包含 emission anchor，用于在 committed answer 或 claim-bearing action 中定位 claim，并携带 source identifiers、offsets、hashes、quotes 和 domain-separated execution commitment。确定性 integrity verifier 在语义或任务标签 join 前重建这些绑定，并把 integrity plane 与可插拔 support plane 分开，避免把结构有效性当作 entailment 的代理。论文列出七个可独立测试属性，包括 claim-emission binding、source binding、ordered-execution binding、oracle separation、persisted-object replay、execution-rerun consistency 和 version/access binding。 在 1,280 次 cross-object attacks 中，联合合同检测出 1,275 次 substitutions，检测率为 0.9961；移除某个 targeted property 后，对应攻击检测率降到 0.0156-0.0625。在独立 adjudicated 的 384-pair split 上，conflict-aware support guard 的 F1 为 0.8865，false acceptance 为 0.0729；在 unseen failure families 上分别为 0.8679 和 0.0938。事实是论文报告了这些指标；推断是，对需要引用可追溯的 Agent 产品，审计重点应从引用和日志是否完整转向声明、执行与来源版本是否同一；猜测是，实际部署需要维护 source version、access state 和 execution commitment，可能增加工程成本，但能降低跨对象替换造成的误导风险。
推荐理由：它把工具智能体的引用、执行与来源版本绑定为可重放收据，能校正只查日志和引用是否有效的审计判断。
arXiv cs.AIAI 评分4242 Frozen Scenes, Shifting Winners: Configuration Fragility in Text-to-3D Evaluation
针对文本生成 3D 场景的评估，研究发现渲染设置和提示词变化导致 17/19 个对齐评估器的配置方差超过生成器间方差。在 300 个固定场景中测试 19 个评估器时，18/19 个评估器在不同配置下改变了点估计获胜者。该审计建议报告生成器、分数与协议 ID，并强调选择相关的评估不确定性。