连GPT-4都考不及格，17个大模型悉数落败，因果推理太难了

作者：机器之心发布时间：2023-06-19

GPT-4 ChatGPT

自 ChatGPT 发布以来，大模型的涌现能力一直被人们称赞，包括强大的语言理解能力、生成能力、逻辑推理能力等。然而，最近一项研究表明，大模型在因果推理方面普遍性能很差，连 GPT-4 都不及格。这...【查看原文】

相关资讯

CSDN 2023-10-26

全都不及格！斯坦福100页论文给大模型透明度排名，GPT-4仅排第三

试问百模大战的当下，谁家大模型的透明度最高？现在，这个问题终于有解了。专门设计了一个名为基础模型透明度指标（TheFoundationModelTransparencyIndex）的评分系统。它从100个维度对国外10家主流的大模型做了排名，并在透明度这一层面上做了全面的评估。结果可谓是大跌眼镜！

斯坦福 GPT-4

量子位 2023-10-19

GPT-4不偷懒了！OpenAI连甩五个大模型，价格最低打两折

据介绍，该模型能更完整彻底地完成代码生成等任务，以减少模型未完成任务的“惰性”情况。OpenAI透露，他们将在下周推出新的GPT-3.5Turbo模型gpt-3.5-turbo-0125，价格更低、性能更强。

GPT-4 OpenAI 编程

量子位 2024-01-26

近期资讯

大模型的2024年：我们对AI的发展脱敏了

从价格战打到世界模型

远川研究所 2024-12-26

贡献2亿收入，游戏化小程序助力布鲁可成“谷子第一股”

小程序游戏化，会是潮玩领域新风口吗？

娱乐资本论 2024-12-26

“消失”在公众视野9个月后，李想“回归”，解释了为什么他要买一辆法拉利

‘创造移动的家，创造幸福的家’

36氪的朋友们 2024-12-26

这一波都被逼急了：海彼收入竟排前八，B站暴涨77%，库洛涨53%，叠纸涨31%

腾讯稳居第一。

手游那点事 2024-12-26

凭高颜值大火，“年轻人第一辆车”，上市即遭退订潮？有门店一半订单被退，品牌方发声：遭到恶意攻击

价格和配置成退订主因

36氪的朋友们 2024-12-26

会说话的汤姆猫被AI"变活"了，AI玩具成了下一个超级风口？

主打“情绪价值”。

雷科技 2024-12-26

小米首款增程SUV曝光，致敬理想L，剑指全球市场？

入局增程已成定局？

电车通 2024-12-26

高瓴，出手激光国产化

今年以来，高瓴投资和高瓴创投分别出手近20笔和70多笔。

36氪的朋友们 2024-12-26

只有46人的藻油DHA企业纽曼思要IPO了

46人的“贴牌”生意经

新消费日报 2024-12-26

A股2025展望：三大赛道将成全新风口

渐入佳境。

市值观察 2024-12-26

连GPT-4都考不及格，17个大模型悉数落败，因果推理太难了

推荐体验

相关资讯

连GPT-4都考不及格，17个大模型悉数落败，因果推理太难了

达摩院发布大模型测试基准：GPT-4勉强及格，其他模型悉数落败

让 GPT-4 修改文件，真的太难了！

全都不及格！斯坦福100页论文给大模型透明度排名，GPT-4仅排第三

GPT-4不偷懒了！OpenAI连甩五个大模型，价格最低打两折

近期资讯

大模型的2024年：我们对AI的发展脱敏了

贡献2亿收入，游戏化小程序助力布鲁可成“谷子第一股”

“消失”在公众视野9个月后，李想“回归”，解释了为什么他要买一辆法拉利

这一波都被逼急了：海彼收入竟排前八，B站暴涨77%，库洛涨53%，叠纸涨31%

凭高颜值大火，“年轻人第一辆车”，上市即遭退订潮？有门店一半订单被退，品牌方发声：遭到恶意攻击

会说话的汤姆猫被AI"变活"了，AI玩具成了下一个超级风口？

小米首款增程SUV曝光，致敬理想L，剑指全球市场？

高瓴，出手激光国产化

只有46人的藻油DHA企业纽曼思要IPO了

A股2025展望：三大赛道将成全新风口

推荐体验

AIGC重要产品

AI对话：类ChatGPT产品体验

好用的AI绘画工具

火热的AIGC产品

AIGC近期要闻

大公司发布的大模型产品都有哪些？

政府对AIGC的扶持政策

AIGC对就业的影响：我们会失业吗？

AIGC产业影响

AIGC对内容创作的影响

AIGC对绘画设计领域的影响

AIGC对各行各业的影响