arXiv cs.AI· Kentaro Ozeki, Risako Ando, Takanobu Morishita, Hirohiko Abe, Koji Mineshima, Mitsuhiro Okada·· 11 小时前AI 评分45
大型推理模型是合格的日常推理者吗？与非推理模型在逻辑推理任务上的对比
Are Large Reasoning Models Good Everyday Reasoners? A Comparison with Non-Reasoning Models on Logical Reasoning Tasks
AI 导读
一项基于语言与语用推理现象构建的新基准测试发现，大型推理模型在日常推理偏离形式逻辑规则时性能反而下降，部分使用 chain-of-thought 提示的非推理模型在日常推理上超过了同类推理模型。额外指令提示对推理行为的控制作用有限，表明当前推理模型无法可靠捕捉日常推理，后训练目标与评测方式仍需改进。
正文 · AI 翻译
摘要：利用测试时计算的大型推理模型（LRM）在数学和科学基准测试中取得了强劲表现，并越来越多地部署于现实应用中。然而，它们执行\textit{日常逻辑推理}的能力——这种推理往往偏离教科书式的形式逻辑——仍未被充分探索。在本工作中，我们通过引入一个基于语言学和语用推理现象的基准，系统评估推理模型与日常推理模式的对齐程度。我们还在受控提示条件下比较了推理模型与非推理模型。我们发现，在许多情况下：(1) 当日常推理偏离形式逻辑规则时，推理模型在日常推理中表现下降；(2) 一些采用思维链提示的非推理模型在日常推理中优于同类推理模型；(3) 附加指令的提示对推理行为的控制有限。这些发现表明，当前推理模型无法可靠地捕捉日常推理，并指向后训练中的局限，从而推动改进训练目标以及在多种推理形式上的评估。
| 学科： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22538 [cs.AI] |
| （或 arXiv:2610.22538v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22538 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Kentaro Ozeki [查看邮箱]
[v1]
2026年10月15日 星期四 18:37:22 UTC（56 KB）
来源：arXiv cs.AI · arxiv.org