两年间 LLM 从做不出简单推理题到全部刷爆

斯坦福教授 Stefanos Batzoglou 回顾，两年前他曾想写《LLM 不能推理》一文，设计了数千道自己一眼可解的简单推理题，当时顶级模型只能做出 10%；到 2025 年底这些任务已被全部刷爆，例如纳维-斯托克斯相关的进展也让他认为 LLM 能力正快速逼近。同场争论中 Anshul Kundaje 则主张应以实证证据讨论前沿模型今天能做什么，而非凭直觉预测未来，尤其在前沿模型不透明的情况下。

2026-09-09 ~ 2026-09-09 · 3 条相关

• 生物学者:谈前沿模型该看实证证据,而非凭直觉预测未来 — anshulkundaje · 2026-09-09
• 两年前模型做不出 10% 的简单推理题,如今全被刷爆 — s_batzoglou · 2026-09-09
• 斯坦福教授赌两年后 LLM 直逼纳维-斯托克斯,生物学者泼冷水 — anshulkundaje · 2026-09-09