【导读】为什么大模型，在执行长时任务时容易翻车？这让一些专家，开始质疑大模型的推理能力，认为它们是否只是提供了「思考的幻觉」。近日，剑 桥大学等机构的一项研究证明：问题不是出现在推理上，而是出在大模型的执行能力上。 大模型也有「EMO」时刻。 比如，Gemini在Cursor里调试编译错误后，打开了自责「循环模式」，把「I am a disgrace（我很丢脸）」重复了86次。 尽管大模型在复杂推理能力上已有了巨大进步，但上述现象仍使一部分专家认为： 思考模型，只提供了「思考的幻觉」，因为当任务被拉长时它们最终会失败。 近日，剑桥大学等机构的一项研究对这些「翻车」现象作出解释，研究者认为： 问题不在于大模型的推理能力，而在于其执行计划的能力。 边际收益递减的错觉：衡量大语言模型的长时程任务执行能力https://arxiv.org/pdf/2509.09677 也就是说，大模型出现问题未必是源于「思考的幻觉」，而更可能是执行阶段「打滑」了。 研究人员发现，单步准确率的小幅提升，会复利式地放大你能完成的总步骤数，使任务「里程」指数级变长。 随着步骤数量增加，模型的每步准确率会下降——不仅仅是「上下文太长」，还有 ...