LLM 不会推理？从 AlphaGo 第37手说起

当大模型在各类基准测试中高歌猛进时，一个根本性问题被反复提出：它们真的在推理吗？

发生了什么

MIT Tech Review 近日发表文章《Don't be fooled—LLMs don't reason》，对当前大语言模型的推理能力提出质疑。文章以 2016 年首尔 AlphaGo 对战李世石的第二局第 37 手为引——那一步看似荒谬的落子，最终被证明是颠覆人类直觉的妙手。作者借此对比：AlphaGo 的决策背后有明确的搜索与评估机制，而 LLM 的输出更多是模式匹配的产物，而非真正的推理。

为什么重要

这一讨论并非新话题，但在 LLM 能力快速膨胀的当下尤为关键。从数学解题到代码生成，从逻辑谜题到多步规划，LLM 在众多任务上表现出色，以至于人们很容易将其拟人化，认为它们具备了类似人类的推理能力。然而，越来越多的研究指出，这些表现可能源于对训练数据中统计规律的精细拟合，而非对问题本质的理解。

AlphaGo 的第 37 手之所以震撼，是因为它超越了人类棋谱的分布，是通过蒙特卡洛树搜索与价值网络“想”出来的。而 LLM 的“思考”过程，本质上是在预测下一个 token，缺乏对世界模型的显式构建。这种差异决定了它们在面对分布外任务时的脆弱性。

影响与看点

对开发者而言，这意味着不能盲目信任 LLM 在复杂推理任务上的输出，尤其是在高风险场景（如医疗、法律、金融）中，需要引入外部验证机制或符号推理工具。对用户来说，理解 LLM 的局限性有助于更合理地使用它们——把它们当作强大的信息检索与生成助手，而非全知全能的推理引擎。

对行业而言，这场争论将推动两条路线的发展：一是继续 scaling，期待涌现出更强的推理能力；二是探索混合架构，将神经网络与符号系统结合。无论哪条路，厘清“推理”的定义都是第一步。

一个独立的判断：LLM 或许不会像人类那样推理，但它们能以另一种方式解决问题。真正的风险不在于它们不会推理，而在于我们误以为它们会。