Edgen Stock·Nov 28 2025, 10:05苹果公司撤回了一篇重要的AI研究论文，该论文质疑了领先AI模型的推理能力。此次撤回发生在其发现该论文的数据集（由OpenAI的GPT模型生成）包含高达30%的错误率之后，这削弱了其结论，并对苹果AI研究的信誉造成了打击。
苹果公司撤回了一篇题为“思维的幻觉”的研究论文，该论文批判性地审视了高级大型推理模型（LRM）的推理能力。此次撤回是由于一位外部研究人员公开披露，该研究的基准数据集（由OpenAI的GPT生成）存在30%的“基本事实”（GT）错误率。此次事件对苹果在竞争激烈的AI研究领域的信誉构成了重大打击，并引发了关于质量控制以及使用AI验证AI的方法论的关键问题。
发表在预印本服务器arXiv上的这篇论文提出，前沿AI模型感知到的推理能力是一种“幻觉”。苹果的研究人员认为，像OpenAI的GPT-4这样的模型是通过复杂的模式匹配而非真正的抽象推理取得成功的。该研究声称，超出一定复杂性阈值，这些模型会经历“彻底的准确性崩溃”。
然而，这项研究的发现因其自身的方法论而失效。Stepic的研究员杨磊公开指出，苹果为测试这些模型创建的数据集存在根本性缺陷，包含30%的错误率。这一发现导致该论文迅速被撤回，并且其相关的代码库也被从公共访问中移除。
该论文失败的核心在于其依赖AI模型为其自身的基准生成“基本事实”。通过使用GPT创建旨在测试类似模型极限的数据集，研究人员引入了系统性缺陷。随附于被撤回论文的研究说明承认，某些实验配置，特别是在“过河问题”中，是无法解决的，从而使得对模型推理能力的评估失效。
此次事件凸显了“AI for Science”领域的一个根本性挑战：确保用于训练和评估的数据的完整性。虽然该论文试图批评现有行业基准（如GSM-8K）因其存在于训练数据中而被妥协，但它却成为了一种更直接的方法论污染的受害者。
对于苹果而言，此次事件是声誉上的一次显著打击。由于该公司与谷歌和OpenAI等老牌AI领导者竞争，通过可信的研究建立思想领导力至关重要。此次公开撤回削弱了其权威性，并暴露了其内部研究和验证过程中潜在的弱点。更广泛地说，此次事件加剧了市场对仓促发布AI研究以及使用AI生成数据进行分析的研究可靠性的怀疑。尽管该论文的核心论点——AI推理能力有限——可能仍然有其价值，但其有缺陷的执行却讽刺地削弱了这一论点。
围绕“思维的幻觉”的争议是AI行业内部激烈压力和竞争的典型表现。公司正积极推销其模型的“推理”能力，而这篇论文正是对这些主张的直接挑战。此次事件是一个关于在快速、高风险发展环境中，学术和企业严谨性的重要警示。它突显了在创建有效、未受污染的基准以准确衡量人工智能的真正认知能力、将模式识别与真正理解区分开来的深刻难度。