无论是制定锻炼计划、推荐晚餐菜谱，还是协助解决学业或工作难题，大型语言模型（LLMs）如ChatGPT、DeepSeek和Gemini，正被设计来应对我们日常生活中的各类任务。然而，这些聊天机器人在解决需要严谨逻辑的问题时，真实能力究竟如何？哪些因素又在左右着它们的推理表现？ 研究员丹尼尔·凯撒在其博士项目的最新研究中，深入探讨了