最近看到好多人在吹大模型推理多强多强，我实际用下来感觉真没那么神。日常简单问题确实不错，但稍微绕一点的逻辑题就开始胡扯了，还特别自信地给出错误答案。 我拿之前很火的那个“草莓有几个r”测试，换了几个主流模型，有的答对有的答错，但追问为什么的时候，解释过程明显是在编。更别说那种需要多步推理的数学题，经常第二步就开始飘。 感觉现在很多评测都太理想化了，都是给模型喂过类似题再测，真实场景哪有那么友好。我自己写代码的时候，让模型帮忙重构个函数，它给出的方案看着合理，跑起来就各种边界问题。 不是说大模型没用，日常辅助写文案、总结文档确实效率高。但推理能力这块，我觉得离“智能”还差得远，顶多算个高级模式匹配。大家有没有类似的体验，还是说只有我遇到这种情况？
