IT之家 10 月 12 日消息，近年來，人工智能（AI）在各個領(lǐng)域取得了顯著的進展，其中大型語言模型（LLM）能夠生成人類水平的文本，甚至在某些任務(wù)上超越人類的表現(xiàn)。然而，研究人員對 LLM 的推理能力提出了質(zhì)疑，他們發(fā)現(xiàn)這些模型在解決簡單的數(shù)學(xué)問題時，只要稍加改動，就會犯錯誤，這表明它們可能并不具備真正的邏輯推理能力。
圖源 Pexels周四，蘋果公司的一組研究人員發(fā)布了一篇名為《理解大型語言模型中數(shù)學(xué)推理的局限性》的論文，揭示 LLM 在解決數(shù)學(xué)問題時容易受到干擾。IT之家注意到，研究人員通過對數(shù)學(xué)問題的微小改動，例如添加無關(guān)的信息，來測試 LLM 的推理能力。結(jié)果發(fā)現(xiàn)，這些模型在面對這樣的變化時，其表現(xiàn)急劇下降。
例如，當研究人員給出一個簡單的數(shù)學(xué)問題：“奧利弗星期五摘了 44 個奇異果，星期六摘了 58 個奇異果。星期日，他摘的奇異果是星期五的兩倍。奧利弗一共摘了多少個奇異果？”時，LLM 能夠正確地計算出答案。然而，當研究人員添加一個無關(guān)的細節(jié)，“星期日，他摘的奇異果是星期五的兩倍，其中 5 個比平均校”時，LLM 的回答卻出現(xiàn)了錯誤。例如，GPT-o1-mini 的回答是：“... 星期日，其中 5 個奇異果比平均校我們需要從星期日的總數(shù)中減去它們：88（星期日的奇異果） - 5（較小的奇異果） = 83 個奇異果。”
上面只是一個簡單的例子，研究人員修改了數(shù)百個問題，幾乎所有問題都導(dǎo)致模型的回答成功率大幅下降。
研究人員認為，這種現(xiàn)象表明 LLM 并沒有真正理解數(shù)學(xué)問題，而是僅僅根據(jù)訓(xùn)練數(shù)據(jù)中的模式進行預(yù)測。但一旦需要真正的“推理”，例如是否計算小的奇異果，它們就會產(chǎn)生奇怪的、不合常理的結(jié)果。
這一發(fā)現(xiàn)對 AI 的發(fā)展具有重要的啟示。雖然 LLM 在許多領(lǐng)域表現(xiàn)出色，但其推理能力仍然存在局限性。未來，研究人員需要進一步探索如何提高 LLM 的推理能力，使其能夠更好地理解和解決復(fù)雜的問題。
