最近看到有人拿“林黛玉的外国平替”测试大模型，结果不出所料，多数模型给出的答案更像百科词条拼接，而非真正的类比推理。这背后暴露的其实是当前LLM在“结构映射”上的硬伤——它们擅长从训练数据中检索相似标签（比如“忧郁”“寄人篱下”），但无法像人类一样抽象出角色的深层叙事功能与情感逻辑。

从技术角度看，这类任务要求模型完成跨域类比，本质上依赖于对因果和意图的建模。然而当前Transformer架构的注意力机制更多捕捉共现模式，而非因果关系。我个人在测试GPT-4和Claude-3处理“如果鲁迅写《哈姆雷特》会怎样”这类问题时也发现，模型往往堆砌风格词汇，却抓不住叙事内核。

想问大家两个问题：1. 类比推理是否真的需要符号逻辑介入，还是说更大的数据和更强的RLHF就能解决？2. 目前有没有针对“跨域类比”的公开基准或微调方法？

行业层面，如果大模型在文科推理上始终止步于“高级检索”，那么AI在文学创作、法律类比论证等领域的落地价值将大打折扣。这或许比数学推理的短板更难攻克——因为人类引以为傲的，从来不是算力，而是隐喻与迁移的能力。