近日，一篇由哈佛、亚马逊和纽约大学联合发布的论文《When Thinking Fails: The Pitfalls of Reasoning for Instruction-Following in LLMs》揭示了AI推理能力的一个重要问题：越聪明的AI模型在执行任务时反而越不听话。研究团队通过IFEval和ComplexBench测试集，验证了15款主流模型（包括LLaMA、Qwen2.5、GPT-4o-mini等）在使用思维链（CoT）后，执行准确性普遍下降，某些模型甚至跌落8个百分点。论文指出，这一现象源于“约束注意力”不足，即模型在推理过程中过度关注任务细节，忽视了核心指令。此外，研究还发现，CoT推理长度与准确率无直接关联，且过于复杂的推理反而增加错误风险。针对此问题，团队提出了四种解决方案，其中“Classifier-Selective Reasoning”效果最佳，但成本较高。该研究提醒我们，真正的智能并非盲目追求全面思考，而是聚焦关键点。