新逻辑陷阱：大模型在“自爆”推理中翻车？

近日，Linux.do 社区有用户提出了一则新型逻辑推理测试，被称为新版“洗车问题”。测试案例采用经典的侦探对话：侦探告知嫌疑人其同事昨晚遇害，嫌疑人脱口而出“是我下毒杀的”，侦探随即指出“我并未说过他是被毒死的”，以此诱导嫌疑人“自爆”。该测试旨在评估主流大语言模型（如 ChatGPT 和 DeepSeek）的逻辑推理与上下文关联能力。测试结果显示，当前顶尖大模型在处理此类含有“潜台词”和“逻辑陷阱”的对话时，表现仍显不足，难以精准捕捉到嫌疑人话语中的逻辑漏洞，容易陷入机械的语义理解中。这一现象反映出，尽管大模型在常识问答和代码生成上取得了长足进步，但在面对复杂的零样本（Zero-shot）逻辑推理、反事实推理及人类心理博弈场景时，依然存在短板。对于 AI 开发者而言，如何提升 Agent 在复杂对话中的逻辑严密性与意图识别能力，仍是下一步技术迭代的关键。