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

OpenAI欲转营利性公司，补偿董事会多少钱才合理？

OpenAI拟从非营利转型为营利公司，面临控制权和资金挑战。

36氪的朋友们 2024-12-27

首篇「角色扮演AI」综述，复旦等提出大模型三层人格分类框架：群体、角色、个性化

复旦大学综述RPLAs研究，提出三层人格分类框架。

新智元 2024-12-27

4000万连接，卫星物联网连接数飙升的原因找到了...

卫星物联网在各个行业加速渗透，推动空天地一体化未来的到来。

物联网智库 2024-12-27

北大开源首个针对视频编辑的新指标，与人类感知高度对齐

最新升级的视频评价标准来了

量子位 2024-12-27

出海速递｜“新出海”的三大变化与四点思考/比亚迪回应巴西工厂相关传闻：欲加之罪，何患无辞

查阅更多出海好文章，请移步出海官网 letschuhai.com。

36氪出海 2024-12-27

半导体资深分析师：英伟达就像“三头龙”，全球70%AI工作依赖其芯片

英伟达AI芯片仍主导市场，规模扩张持续。

36氪的朋友们 2024-12-27

双十二过后，谁在领跑东南亚的跨境电商？

跨境有道，方可远航。

晓曦 2024-12-27

协议曝光，原来微软OpenAI这样定义AGI

主要维度不在技术，要能带来1000亿美元收益

量子位 2024-12-27

从乔布斯到库克，苹果如何一步步摆脱对英伟达的依赖

苹果减少英伟达依赖，租用谷歌TPU，开发自研芯片。

36氪的朋友们 2024-12-27

手机镜头厂商中蓝电子否认爆雷，但行业危机还未解除

中蓝电子否认爆雷，手机镜头业竞争激烈。

36氪的朋友们 2024-12-27

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

OpenAI欲转营利性公司，补偿董事会多少钱才合理？

首篇「角色扮演AI」综述，复旦等提出大模型三层人格分类框架：群体、角色、个性化

4000万连接，卫星物联网连接数飙升的原因找到了...

北大开源首个针对视频编辑的新指标，与人类感知高度对齐

出海速递｜“新出海”的三大变化与四点思考/比亚迪回应巴西工厂相关传闻：欲加之罪，何患无辞

半导体资深分析师：英伟达就像“三头龙”，全球70%AI工作依赖其芯片

双十二过后，谁在领跑东南亚的跨境电商？

协议曝光，原来微软OpenAI这样定义AGI

从乔布斯到库克，苹果如何一步步摆脱对英伟达的依赖

手机镜头厂商中蓝电子否认爆雷，但行业危机还未解除

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