一个推理测试“团灭”各大语言模型

近日,德国某非营利人工智能研究学机构的几位研究者发表了一项研究成果,揭示了当下各大语言模型在推理能力上的短板。他们设计了一系列简单的推理问题,用来测试大语言模型的推理能力,结果GPT-4、Claude、Gemini、Llama、Mistral等模型几乎全线崩塌。但是,这些大语言模型仍然展现出“迷之自信”,宣称自己的“思考过程”非常符合逻辑。