AI首次在LSAT考试中获得满分：推理能力的新里程碑

研究团队首次记录到大语言模型在法学院入学考试（LSAT）中获得满分，标志着AI推理能力达到或超越人类顶尖水平。该研究通过控制实验验证成绩非偶然，并揭示思维链对推理性能的关键作用，同时探讨了蒸馏模型局限、过程奖励模型优化等方向，具有深远的认知与行业意义。

LSAT自1948年起作为精英法律教育的守门人，测试逻辑推理、分析性阅读等人类高阶认知能力。AI在LSAT中取得满分（零错误完成全部题目），意味着其推理能力已触及人类认知能力上限，是AI认知发展的重要突破。

研究团队设计多项控制实验排除干扰：测试不同提示词无实质影响；打乱选项顺序排除记忆位置可能；多次采样结果一致。这些实验证明AI满分成绩源于真正的推理能力，非偶然或取巧。

消融实验显示，移除思维链（模型中间推理过程）会使前沿模型准确率下降多达8个百分点，且主要影响逻辑推理部分。这证实显式推理过程的重要性，思维链质量比形式更关键，为模型改进提供方向。

对比前沿模型与蒸馏模型发现，蒸馏模型虽能生成相同格式思维链，但性能远低。这揭示知识蒸馏可能复制表面形式却未传递深层推理策略，提示推理能力涉及复杂认知架构，单纯压缩模型可能牺牲核心推理能力。

研究尝试用QLoRA技术在LSAT解释材料上微调过程奖励模型（PRM），结合Best-of-5策略筛选最优答案，成功缩小蒸馏模型与前沿模型的性能差距，且提升集中在逻辑推理部分，为高效推理模型开发提供新思路。

该突破重新定义认知能力边界，促使反思教育评估体系与法律行业变革，标志通用人工智能（AGI）进展。但AI推理仍有局限：特定领域优化、考试与现实差距、可解释性挑战。未来研究可聚焦能力迁移、高效优化及人机协作新模式。