LLM 到底会不会推理

很多人以为，模型给出一步步推导，就是在「推理」。但当年 AlphaGo 团队的核心成员站出来说：那很可能只是它先猜到了答案，再补了一段看起来合理的解释。2026 年 10 月 2 日，Thore Graepel 在 MIT Technology Review 上发文，直接下判断——别被骗了，大语言模型不会推理。

一、发生了什么

Graepel 现在是伦敦大学学院的机器学习讲席教授，早年是 AlphaGo 团队核心成员，近期刚从 Google DeepMind 离职。他这篇是观点文章，不是实验报告，但论证来自他多年的第一手经验。

他给了三个理由，说明聊天机器人的「思考」够不上科学家意义上的推理。

第一，模型没有一份显式、持久、可检查的认知状态——它不记录自己正在考虑哪些假设、对每个解释有多少把握、在权衡哪些证据、还有哪些问题悬而未决。

第二，知识和推理被搅在一起，藏在一团神经网络权重里，没有一个独立的、能明确表达出来的信念集合。

第三，研究已经证明，聊天机器人给出的「思维链」常常是先得出答案，再事后编出来的。走的是一条路，报的是另一条路。

二、跟你有什么关系

对在医学、工程、科研这些高风险领域用模型的人，这个提醒很关键：出错时，你要能定位到底是推理错了、证据用错了，还是假设做错了。而一个「事后合理化」的思维链，恰恰让你没法追溯。

对开发者，这解释了为什么「加长思考」能提分，但提分不等于真会推演。中间步骤还是同一个「预测下一个词」的过程，只是多跑了几遍。

对关注 AI 安全的人，Graepel 的结论指向一个更深的判断：把「快思考」越做越大，只能让直觉更准，不会让直觉变得更审慎。

三、怎么判断

1. 看模型有没有「可检查的认知状态」。真推理应该能列出一份账本：信什么、怀疑什么、排除了什么、还差什么。你问它「你为什么这么想」，它答不上来，就要留神。
2. 把「结论」和「怎么得出结论」分开评估。在高风险场景，光结论对不够，过程必须经得起追查。这是 Graepel 强调的核心。
3. 对模型给出的推导步骤保持怀疑。他说得很直白：很多思维链是先有答案后补的。真要把模型当推理工具，得让它每步都接受独立证据的检验，而不是信它讲的故事。

四、三个别信的说法

错误说法：会写步骤就是在推理。 研究证明，那些步骤很可能是事后编的，是「合理化的故事」，不是真实发生的思考过程。两者外观一样，实质不同。

错误说法：把模型做大就能长出推理。 Graepel 的比喻是：规模能让直觉更敏锐，但不会让直觉变成审慎。AlphaGo 当年下出那步反直觉的棋，靠的是独立的搜索机制，不是更大的网络。

错误说法：这是一场已经有定论的争论。 这是作者一方的观点，他本人刚离开 DeepMind、要另起炉灶，自带立场。支持「规模化出推理」的人不这么看。这场争论远没结束。

五、一句话结论

模型会「看起来在推理」，不等于「真的在推理」——在把它放进高风险流程之前，先问一句：它经得起追查吗，还是在讲一个事后编好的故事。

信息来源

• Don't be fooled—LLMs don't reason（MIT Technology Review，2026 年 10 月 2 日）

功能与价格以官方公告为准。本文写于 2026 年 10 月 21 日。