资讯
arXiv 2610.11592 ProloNg：用 Prolog 探针测 LLM 长程演绎推理上限
一句话：10-8 论文 ProloNg 用 Prolog 构造演绎推理测试床，发现即便前沿 LLM 支持百万 token 上下文，随着推理深度增加性能显著退化，多数模型在深度超 10 后接近随机。
背景
- arXiv 2610.11592（10-8，cs.CL）：前沿 LLM 理论可处理 1M+ token 长上下文，但是否能超越简单检索做深层推理仍存疑。
核心要点
- ProloNg 用 Prolog 表达演绎逻辑，系统性变化问题复杂度（推理深度），最难案例深度 22、上下文 62k。
- 评测 8 个推理模型、5 个前沿 LLM 家族。
- 性能随推理深度显著增加而显著退化，多数模型在深度 >10 后接近随机。
- 揭示「长上下文 ≠ 深推理」，暴露长程演绎的能力天花板。
为什么重要
- 为「长上下文是否等于强推理」提供量化证据，提醒不要被 token 长度误导。
- 对需要多步逻辑链的法律、数学、科学代理应用有直接警示意义。
关键事实速记
- arXiv 2610.11592（10-08）ProloNg
- Prolog 演绎推理测试床
- 最难深度 22/上下文 62k
- 8 推理模型/5 家族
- 深度>10 后接近随机
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考