LM 在多步骤问题求解上的表现已经相当不错了，但复杂逻辑链的处理仍然是个难题。模型的推理深度直接决定了它在多跳推理任务中能走多远、有多可靠。
本文介绍推理深度的核心机制，然后用四项压力测试指标对 Llama 3.2 和 Qwen 3 做个横向对比看看它们的逻辑极限在哪里。
什么是多跳推理
多跳问题要求模型沿着逻辑链一步步往下走，每一"跳"就是一次推理，把初始问题和最终答案之间的逻辑缺口补上。
下图展示了数学任务中推理深度如何随逻辑运算数量递增：
推理深度就是输入到结论之间的逻辑距离。图 A 左边的问题是
https://avoid.overfit.cn/post/533b5bef0e344a50a42c8f2b69e6a530