单元四 · 智能推理的应用
第20课 会“思考”的推理模型
一、学习目标
- 体验推理模型的「思考」过程。
- 认识推理模型的优势与局限性。
- 了解推理模型「思考」的本质。
二、情境导入
许多模型不仅给参考答案，还能展示生成答案时的「思考」过程，常被称为推理模型。
你用过哪些会展示推理步骤的模型？它们和普通对话有什么不同？
三、核心讲解
本课学习路径：
1体验模型「思考」过程
2模型「思考」的局限
3探究模型「思考」的原理
1．体验模型「思考」过程
会「思考」的推理模型不仅给参考答案，还能展示推理过程（如思维链），把问题拆成步骤。
推理模型：通过逐步推导展示中间思考，帮助人理解其逻辑；可用沙漏计时等谜题对比普通对话模型与推理模型的输出差异。
- 例：7 分钟与 4 分钟沙漏如何准确计时 9 分钟
- 观察模型如何理解题意、尝试与修正
- 再换几题，记录推理过程给你的启发
想一想：展示推理过程，是否就等于模型「真的懂」了？
2．模型「思考」的局限
「思考」能提升复杂任务表现，但并非万能，过程可能烦琐，策略未必最优，还可能出现幻觉。
机器幻觉：模型可能生成看起来合理但实际错误或不存在的内容；消除幻觉仍然困难。
- 逻辑题上，人可能抓住矛盾快速定位；模型可能穷举假设而走弯路
- 改病句时，模型可能符合「史实」却违背上下文情绪逻辑
- 应对比人类与模型在过程、结论与特点上的异同，并总结局限
想一想：在关键决策里，为什么不能把推理模型的结论直接当最终裁决？
3．探究模型「思考」的原理
不同实现路径仍多是用复杂数学运算模拟逻辑推导，而不是基于意识的真实理解。
模拟推导：「思考」是工程上的推理呈现，本质仍是计算；部分模型还可能拒绝讨论自身实现细节。
- 可向模型询问其如何实现「思考」，并梳理提到的主要技术
- 结合本课认识：能辅助分析，但需要人审核与负责
想一想：如果推理建议用于法律咨询且出错，责任应如何划分？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_llm_chat — 请模型「分步写出推理过程」再给结论；核对是否出现幻觉，并讨论责任仍在人
五、课堂总结
- 会「思考」的模型能给出参考答案，还能展示推理过程。
- 它们并不能真正像人一样理解概念，存在局限，也可能出现机器幻觉。
- 「思考」有不同实现路径，但多是数学运算模拟出的逻辑推导。
六、拓展提升
- 结合法律咨询等场景，从技术与伦理角度讨论：能否完全信任？出错责任如何划分？如何规范应用？
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
会「思考」的推理模型相对普通回答，突出特点是：
下列哪项属于推理模型的常见局限？
判断：模型展示的「思考」等于它拥有人类意识。
本节小结
回顾本课要点，完成动手体验与测评。记住：会“思考”的推理模型。