في 7 سبتمبر 2025 كشفت جامعة ولاية أريزونا (مركز أبحاث الذكاء الاصطناعي) أن ما يُعرف بـ"سلسلة التفكير" في نماذج اللغة الكبيرة مثل GPT-4 ليس استدلالًا منطقيًا، بل إعادة إنتاج لأنماط بيانات تدربت عليها النماذج. الدراسة اعتمدت بيئة محاكاة خاصة باسم "DataAlchemy" لتدريب نماذج من الصفر على توزيعات بيانات مختلفة، ما أتاح قياس أثر توزيع البيانات على جودة الاستجابات. النتائج أوضحت أن الأداء يرتبط مباشرة بتشابه بيانات الاختبار مع التدريب — فيما يتراجع النموذج بحدة عند مواجهة مهام خارج هذا النطاق. هذه الخلاصات تضع قيودًا على استخدام النماذج التجارية في قطاعات تتطلب استدلالًا دقيقًا، خصوصًا مع تزايد اعتماد الشركات على LLMs في الأبحاث والأسواق المالية. ولم يَرِد رقم موثوق يحدد نطاق تأثير هذه النتائج على النماذج المطروحة تجاريًا.