AI數學能力堪憂，ORCA基準測試揭示其局限

Hacker News·

一項名為ORCA的新基準測試顯示，即使是ChatGPT-5、Gemini 2.5 Flash和Claude Sonnet 4.5等先進的大型語言模型，在數學推理方面也存在明顯的弱點，無法可靠地進行計算。

暫無內容

— Hacker News

相關文章

  1. AI代理能否破解驗證碼？

    5 個月前

  2. 研究發現AI系統評估方法存在弱點

    6 個月前

  3. 我們針對三種常見安全漏洞測試了六款AI模型

    6 個月前

  4. 康托爾實驗：迫使一個GPT-5級別的AI忘記一個世紀的數學

    6 個月前

  5. Gemini 3 Deep Think

    2 個月前