大型推理模型擅长日常推理吗？逻辑推理任务中与非推理模型的对比评估
英文标题：Are Large Reasoning Models Good Everyday Reasoners? A Comparison with Non-Reasoning Models on Logical Reasoning Tasks
本研究探讨了借助测试时计算（Test-time computation）的大型推理模型（LRM）在日常逻辑推理任务中的实际能力。尽管大型推理模型在数学与科学基准评测中表现强劲且正加速落地，但其在日常逻辑场景下的推理泛化性仍存疑问。该项研究通过与常规非推理模型在逻辑任务上展开系统性对比，揭示了测试时推理增强的适用边界。这有助于开发者和行业在为具体应用场景选型时，更客观地评估推理模型的性价比与能力上限。
打开原文相关 1.6 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2610.22538v1（公告类型：新提交）
摘要
利用测试时计算（test-time computation）的大型推理模型（LRMs）在数学和科学基准测试中取得了优异成绩，并正日益广泛地应用于真实世界场景中。然而，它们执行日常逻辑（everyday logical）推理的能力……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×