深度分析 474 種可執行遊戲評測大型語言模型的層級式互動推理能力 本研究提出一套層級式互動推理評估框架，將推理視為在部分可觀測環境下的主動資訊取得與信念更新。模型僅取得任務規則，需自行發問、整合逐步觀測，並判斷何時提交最終答案。框架在四種資料結構（集合、序列、樹、圖）與三種推理模式（演繹、歸納、溯因）上構造 474 個可執行遊戲，並加入情境魯棒性與元認知適應兩層測試。
