大推理模型在日常逻辑任务中表现不如非推理模型

2026年10月19日，一项新基准测试评估发现，大推理模型（LRMs）在偏离形式逻辑的日常推理任务中表现反而下降。研究显示，部分采用思维链提示的非推理模型在这些场景下优于同类推理模型，且额外指令对控制推理行为效果有限。这表明当前推理模型未能可靠捕捉日常推理模式，暴露了后训练目标的局限性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。