近日，蘋果公司的研究團隊發布了一篇論文，針對大型語言模型(LLM)在數學推理方面的局限性進行了深入探討。論文指出，盡管LLM在生成人類水平文本等方面表現出色，但在處理簡單數學問題時，若對問題進行微小改動，如添加無關信息，模型的表現會大幅下降。

研究中提供了一個實例，當詢問“奧利弗在三天內共摘了多少個奇異果”時，LLM能夠正確計算。但加入無關細節后，如“其中5個奇異果比平均小”，LLM便給出了錯誤答案。研究人員對數百個類似問題進行了修改，發現幾乎所有問題都導致LLM回答成功率大幅降低。

研究人員認為，這一現象表明LLM并未真正理解數學問題，而是依賴于訓練數據中的模式進行預測。當需要真正的邏輯推理時，模型往往無法產生合理的結果。這一發現為人工智能的發展提供了重要參考。雖然LLM在多個領域表現優異，但其推理能力仍需改進。