AIGC動態歡迎閱讀

原標題：最強 OpenAI o1 邏輯推理正確率僅 50%！清華、智譜推出「大模型邏輯推理新基準」
關鍵字：模型,規則,步驟,答案,難度
文章來源：人工智能學家
內容字數：0字

內容摘要：

9.11 和 9.9 哪個大？
這一連人類幼兒園兒童都能回答的問題，曾經（至今）難倒了眾多大語言模型（LLM）。然而，要想達到通用人工智能（AGI）的水平，LLM 不僅要完成“比大小”這種簡單的邏輯推理，還需要完成難度更高的推理，比如“對復雜規則的理解與執行以及多步驟規劃”，這是 LLM 智能體（agent）和決策系統的核心能力。
因此，如何有效評估 LLM 作為基于規則的執行者和規劃者角色，至關重要。但是，目前學界和業界少有這方面的研究。
來自清華大學和智譜的研究團隊推出了一項新的基準測試——LogicGame，旨在全面評估 LLM 在規則理解、執行和規劃方面的能力。先看評測結果：圖｜LogicGame 的評測結果和樣例展示。上圖為各種模型在執行和規劃類別中的表現；下圖（左、右）分別為兩個執行和規劃類別案例研究。
除了看到 o1-preview、o-mini 的遙遙領先，我們也看到超過一半的模型得分不到 10%，如上圖紅域所示。
這一評測結果揭示了一個不容忽視的事實：大多數 LLM 在基于規則的邏輯推理上都存在著明顯的缺陷。
相關研究論文以“LogicGame: Benchmar

原文鏈接：最強 OpenAI o1 邏輯推理正確率僅 50%！清華、智譜推出「大模型邏輯推理新基準」

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：