苹果公司研究团队通过定制化谜题环境对大型推理模型(LRMs)进行了系统性评估，揭示了人工智能推理能力的重要局限性。研究发现，随着任务复杂度提升，LRMs会经历推理效能先上升后急剧下降的拐点现象，最终在高度复杂任务中出现性能崩溃。这一发现对当前基于大模型的推理系统开发具有警示意义，表明单纯扩大模型规模可能无法解决复杂推理问题。研究采用创新的评估框架，通过控制变量法精确测量了模型在不同复杂度层级的推理表现，为理解AI系统的认知边界提供了实证依据。该成果已发表在苹果机器学习研究平台，可能影响未来AI系统架构设计和评估标准制定。