最近arXiv上的这篇论文（2605.06840）通过从四子棋推理轨迹中提取搜索树，量化了LLM的规划行为，核心发现是模型在推理中表现出明显的短视——搜索深度有限，更多依赖局部最优而非全局策略。这与我之前在AlphaGo和GPT-4规划任务中的经验一致：LLM的所谓‘规划’往往只是模式匹配的产物，而非真正的树搜索。论文提出的计算模型拟合方法很有意思，它把隐式的推理过程显式化，让我们能对比人类和模型的搜索策略差异。我个人实测过类似任务（比如路径规划），发现模型在需要多步前瞻时错误率飙升，这印证了短视问题的普遍性。
我的疑问是：这种短视是训练数据导致的（文本中缺乏长程规划示例），还是Transformer架构本身的注意力瓶颈？另一个值得探讨的问题是：如果我们用强化学习或蒙特卡洛树搜索增强推理过程，能否突破这种局限？从行业趋势看，这篇论文提醒我们别被LLM的‘思维链’表象迷惑——真正的规划能力可能被严重高估。未来，混合架构（如结合符号规划器）或许才是实用化的路径。欢迎讨论：你遇到过哪些LLM规划翻车的案例？