AIW
两句话，让 LLM 逻辑推理瞬间崩溃！最新「爱丽丝梦游仙境」曝出 GPT、Claude 等重大缺陷
感谢IT之家网友 刺客 的线索投递！在基准测试上频频屠榜的大模型们，竟然被一道简单的逻辑推理题打得全军覆没？最近，研究机构 LAION 的几位作者共同发表了一篇文章，以「爱丽丝梦游仙境」为启发涉及了一系列简单的推理问题，揭示了 LLM 基准测试的盲区。一道简单的逻辑问题，竟让几乎所有的 LLM 全军覆没？对于人类来说，这个名为「爱丽丝梦游仙境」（AIW）的测试并不算很难 ——「爱丽丝有 N 个兄弟，她还有 M 个姐妹。爱丽丝的兄弟有多少个姐妹？」只需稍加思考，答案显而易见：M 1。（爱丽丝拥有的姐妹数量，再加上爱丽
6/10/2024 5:42:53 PM
浩渺
- 1
资讯热榜
DeepSeek R1 简易指南：架构、本地部署和硬件要求
DeepSeek 全面指南：95% 的人都不知道的九个技巧
DeepSeek开源多模态模型Janus-Pro的ComfyUI使用教程，文中附模型和工作流下载
DeepSeek + IDEA！辅助编程太强了！
冲击DeepSeek R1，谷歌发布新一代Gemini全型号刷榜，编程、物理模拟能力炸裂
DeepSeek V3 和 R1 模型完成海光 DCU 国产化适配并正式上线
DeepSeek日活用户数突破2000万，增长势头远超ChatGPT
不到140块！李飞飞团队超低成本复刻DeepSeek R1推理！16张H100只训练了26分钟，与R1训练方法不同！
标签云
人工智能
AIGC
OpenAI
AI绘画
ChatGPT
机器人
数据
谷歌
智能
学习
大模型
Midjourney
GPT
用户
AI创作
微软
图像
开源
Meta
技术
论文
Stable Diffusion
生成式
算法
蛋白质
AI
马斯克
芯片
DeepSeek
Gemini
计算
神经网络
代码
AI设计
研究
Sora
腾讯
3D
开发者
场景
GPU
伟达
预测
英伟达
模态
华为
机器学习
Transformer
文本
驾驶
神器推荐
AI视频
深度学习
AI for Science
干货合集
搜索
LLaMA
算力
苹果
视频生成
2024
科技
百度
Copilot
应用
模型
AI应用场景
安全
具身智能
写作
特斯拉
机器
字节跳动
视觉
语音
Anthropic
AGI
架构
prompt
英特尔