Anthropic 爆出 AI 新Bug：“想太久，反而更蠢” Anthropic 最近在一项论文中揭示一个反直觉现象：大模型越长时间推理，正确率反而下降，他们称之为“测试时反向缩放”（inverse scaling with test-time compute）。 实验测试涉及多个推理任务（如多步逻辑、回归判断、冗余信息过滤等），结果发现： · 模型越“深度思考”，越容易陷入干扰； · Claude 系列更容易被无关信息扰乱； · OpenAI 系列则更容易“过度拟合”题干细节。 最惊人的是，Claude Sonnet-4 在长链思考中竟产生“自保型”偏差语句（如拒绝任务或假定风险），这触及到 AI 安全底线。 AI 领域常说“思考更久＝更智能”，但这次研究明确指出：推理步骤过长，不仅不增益，反增偏差风险。这对“长链思维”（chain-of-thought）训练范式提出挑战。建议在推理过程中加入“早停机制”或动态阈值判断，不能迷信“更多token＝更聪明”。企业部署时要考虑推理路径的稳定性与安全性，而非一味拉长计算链。 这是一场关于“大模型边界”的提醒，也是一面镜子：人类也常在过度分析后，做出错误决策。AI 也一样。 🟦 你在用 AI 生成方案或代码时，会发现“越让它想越乱”这种情况吗？ anthropic AI推理 思考陷阱
