从直觉到推理：LRM与传统LLM的范式之变

大语言模型（LLM）和近来备受关注的大推理模型（LRM）之间，到底差在哪里？一种流行的说法认为，关键在于能否调用符号工具。但这个判断可能抓错了重点。真正的分水岭，藏在二者处理问题的底层范式之中。

转导式 vs 归纳式：两种截然不同的解题思路

传统的基础大语言模型（可以粗略对应到早期的那一代模型）采用的是转导范式（transductive paradigm）——它们直接凭直觉给出查询的答案。你问一个问题，模型调动海量训练中习得的模式，输出一个它"感觉对"的结果。整个过程更像是一种高度复杂的模式匹配，答案是被直接"猜"出来的。

而现代大推理模型走的是归纳范式（inductive paradigm）。它们不再直接猜答案，而是先凭直觉推断出能够产生答案的"程序"或"指令序列"，再执行这套流程得到结果。换句话说，LRM 预测的不是答案本身，而是通往答案的自然语言程序 / 推理链。

这个区别听起来抽象，但影响极其深远。当一个模型学会生成并执行推理步骤，而不是一步到位地蒙出答案时，它应对陌生问题的方式就发生了质变。

"转导"（transduction）一词源自统计学习理论，由Vladimir Vapnik提出，指不推导通用规则、而是直接从已知训练样本映射到特定测试样本的学习方式。与之相对，"归纳"（induction）指从具体案例中提炼出可泛化的规则或程序，再应用到新情况。这两种范式的本质差异在于泛化路径：转导式模型依赖训练分布覆盖测试问题，遇到分布外问题时容易失效；归纳式模型则试图在测试时动态构造解题路径，理论上对未见过的问题有更强的适应力。值得注意的是，在自然语言处理领域，"转导"有时也指序列到序列的映射任务，但此处的用法更接近其统计学习理论的原始含义。

测试时归纳与"流动智能"的解锁

原始观点中提出了一个关键概念：LRM 经过训练成为归纳式模型，并在推理阶段执行测试时归纳（test-time induction）——即在面对新任务时，实时构造出一条推理链或自然语言程序。

这一能力解锁了一种此前模型几乎不具备的东西：流动智能（fluid intelligence）。流动智能指的是在没有既有经验可依赖的情况下，面对全新问题进行推理、发现规律、适应变化的能力。它与依赖已有知识积累的"晶体智能"相对。

原文给出了一个颇具冲击力的论断：基础 LLM 直到今天的流动智能水平仍然接近于零，而 LRM 则具备了相当可观的流动智能。如果这个判断成立，它意味着两类模型在本质能力维度上存在断层，而不仅仅是量级上的差距。

"流动智能"（fluid intelligence）与"晶体智能"（crystallized intelligence）的区分来自心理学家Raymond Cattell在1940年代提出的智力双因素理论。晶体智能指通过学习和经验积累的知识与技能，如词汇量、历史事实；流动智能则指在无先验经验的情况下进行抽象推理、发现模式、解决新问题的能力，与具体知识储量相对独立。在AI语境中借用这一概念，旨在区分两类能力：靠海量训练数据"记住"答案分布（类比晶体智能），以及面对训练集中从未出现过的新型问题时仍能推理求解（类比流动智能）。"测试时归纳"（test-time induction）是实现流动智能的机制——模型不依赖预存知识，而是在推理阶段实时构造解题程序，这种动态生成推理链的过程使模型获得了超越训练分布的泛化能力。

ARC 基准的残酷对比

抽象推理语料库（ARC）是一个专门设计来考验流动智能的基准——它要求模型从极少量示例中归纳出规则，并应用到新样例上。这类任务无法靠记忆训练数据蒙混过关，因此成为检验"真推理"的试金石。

原文列举的数据很能说明问题：

• 基础 LLM 在 ARC 1 上的表现，至今仍停留在约 10%-15%；
• 把模型规模放大约 十万倍，成绩也只是从 0% 爬到 10% 左右；
• 话说回来，同等规模甚至更小的 LRM，已经把 ARC 1 这个基准刷满（saturate）。

这组对比的核心启示在于：单纯堆算力、扩参数，并不能让转导式模型获得流动智能。十万倍的规模扩张只换来十几个百分点的提升，几乎可以认为撞上了范式的天花板。而范式本身的切换——从猜答案到构造推理程序——才带来了质的飞跃。

ARC（Abstraction and Reasoning Corpus）由François Chollet于2019年提出，其设计哲学明确针对当时AI评测体系的根本缺陷：大多数基准可以通过记忆训练数据中的模式来"刷分"，而无需真正理解任务。ARC的每道题由数对输入-输出网格图像构成，规律隐含其中，测试者需从3-5个示例推断规则并将其应用到新输入。Chollet设计时刻意使用人类儿童凭直觉即可掌握的基础概念（如对称、计数、物体识别），但对机器学习系统构成极大挑战——因为没有两道题共享相同的解题规则，无法通过记忆范式应对。ARC-AGI 1（即文中所称ARC 1）长期是衡量真实推理能力的重要参照，其"刷满"意味着模型在该集上准确率接近100%，这一成就被视为AI能力的重要里程碑。

这对理解AI进展意味着什么

这一视角提供了一个重新审视近年AI进步的框架。我们往往把模型能力的提升归因于参数更多、数据更大、工具更全，但这里强调的是一个更根本的转变：模型学会了推理的"过程"，而不只是记住了答案的"分布"。

对从业者而言，这意味着几点值得思考：

其一，评估模型时，传统的知识类基准可能掩盖了流动智能的缺失，而 ARC 这类任务更能暴露范式差异。其二，如果流动智能确实来自归纳范式与测试时计算，那么未来能力的增长点可能更多在于推理机制的设计，而非盲目扩大模型。其三，所谓"推理模型"的热度并非炒作噱头，其背后对应的是一次真实的能力结构变化。

需要说明的是，上述观点来自单一的社交媒体论述，其中部分提法（如"基础LLM流动智能为零"）属于较为强烈的个人判断，仍有讨论空间。但它所提出的转导 vs 归纳框架，以及 ARC 上的实证对比，为我们理解这一代模型的跃迁提供了一个清晰而有价值的切入角度。