Edgen Stock·Nov 28 2025, 10:05蘋果公司撤回了一篇重要的AI研究論文，該論文質疑了領先AI模型的推理能力。此次撤回發生在其發現該論文的數據集（由OpenAI的GPT模型生成）包含高達30%的錯誤率之後，這削弱了其結論，並對蘋果AI研究的信譽造成了打擊。
蘋果公司撤回了一篇題為「思維的幻覺」的研究論文，該論文批判性地審視了高級大型推理模型（LRM）的推理能力。此次撤回是由於一位外部研究人員公開披露，該研究的基準數據集（由OpenAI的GPT生成）存在30%的「基本事實」（GT）錯誤率。此次事件對蘋果在競爭激烈的AI研究領域的信譽構成了重大打擊，並引發了關於質量控制以及使用AI驗證AI的方法論的關鍵問題。
發表在預印本伺服器arXiv上的這篇論文提出，前沿AI模型感知到的推理能力是一種「幻覺」。蘋果的研究人員認為，像OpenAI的GPT-4這樣的模型是透過複雜的模式匹配而非真正的抽象推理取得成功的。該研究聲稱，超出一定複雜性閾值，這些模型會經歷「徹底的準確性崩潰」。
然而，這項研究的發現因其自身的方法論而失效。Stepic的研究員楊磊公開指出，蘋果為測試這些模型創建的數據集存在根本性缺陷，包含30%的錯誤率。這一發現導致該論文迅速被撤回，並且其相關的代碼庫也被從公共訪問中移除。
該論文失敗的核心在於其依賴AI模型為其自身的基準生成「基本事實」。通過使用GPT創建旨在測試類似模型極限的數據集，研究人員引入了系統性缺陷。隨附於被撤回論文的研究說明承認，某些實驗配置，特別是在「過河問題」中，是無法解決的，從而使得對模型推理能力的評估失效。
此次事件凸顯了「AI for Science」領域的一個根本性挑戰：確保用於訓練和評估的數據的完整性。雖然該論文試圖批評現有行業基準（如GSM-8K）因其存在於訓練數據中而被妥協，但它卻成為了一種更直接的方法論污染的受害者。
對於蘋果而言，此次事件是聲譽上的一次顯著打擊。由於該公司與谷歌和OpenAI等老牌AI領導者競爭，通過可信的研究建立思想領導力至關重要。此次公開撤回削弱了其權威性，並暴露了其內部研究和驗證過程中潛在的弱點。更廣泛地說，此次事件加劇了市場對倉促發布AI研究以及使用AI生成數據進行分析的研究可靠性的懷疑。儘管該論文的核心論點——AI推理能力有限——可能仍然有其價值，但其有缺陷的執行卻諷刺地削弱了這一論點。
圍繞「思維的幻覺」的爭議是AI行業內部激烈壓力與競爭的典型表現。公司正積極推銷其模型的「推理」能力，而這篇論文正是對這些主張的直接挑戰。此次事件是一個關於在快速、高風險發展環境中，學術和企業嚴謹性的重要警示。它突顯了在創建有效、未受污染的基準以準確衡量人工智能的真正認知能力、將模式識別與真正理解區分開來的深刻難度。