基础LLM与现代LRM的关键区别在于从转导范式转向归纳范式及流体智能

基础 LLM（2024 年及更早）与现代 LRM 之间的关键区别并不是符号工具使用。而是从转导范式（直觉地得出查询的答案）转向归纳范式（直觉地得出能产生该答案的程序/指令）。

它们被训练成归纳式的，并在测试时进行归纳，即测试时预测一个自然语言程序/推理链。这解锁了全新的能力——尤其是流体智能。基础 LLM 至今的流体智能约为 0。LRM 则具有相当水平的流体智能。

LLM 在 ARC 1（2019 年的一个基准）上的表现至今仍约为 10–15%。将其规模扩大约 100,000 倍，也只是让它们从 0% 提升到 10%。与此同时，规模相同或更小的 LRM 在 2025 年就使 ARC 1 饱和了。