一个小学题目：
小明和爸爸、妈妈三个人分7个苹果，爸爸妈妈分得的数量必须相等。小明怎么分，可以让自己吃到最多苹果？
智谱清言居然没做对，有点出乎意料。：
我试了通义和DeepSeek，它们都能正确解答。
这道题其实不算难，智谱清言没答上来，让我很意外。
1 个赞
这题chatgpt 4o第一次回答也答错：
我再试一次就变成：
切到4o mini，回答是这样：
Gemini Flash:
Gemini Pro:
结论就是：这些大模型的回答都不稳定，有时候答对有时候答错，使用大模型还是需要做检查，不是所有答案都完全采信。
1 个赞
在算法上AI模型本来就是在输出一个概率上最可能让你满意的字符排列，
而不是逻辑推理的结果。
3 个赞
没想到这个题 ChatGPT 4o 也不能一次搞定。最近主要用 DeepSeek、通义千问和智谱清言，基本的问答都没啥问题
不要问大模型任何你无法检验结果的问题。
能检验结果的问题最后就变成了我在训练它
智谱最强的glm-4-plus试一下。
首次答案，是爸妈0，小明7个。
然后补充一个条件，每个人不能为0和复数，就得到1+1+5了。
然后flash和air版模型都翻车，从给出的推理步骤来看，这两个轻量级模型思路大概是脑子不够。
网页版模型为了省钱估计给的都是轻量模型吧。
1 个赞
其实从回答结果来看，与其说是逻辑推理能力有点弱，不如说是对题干的逻辑抽象能力有点弱。
2 个赞
试了一下 glm-4-plus 确实强，是旗舰产品，价格会让钱包抗议，你用的是 API 吗？
用的 api，之前注册送一个月资源包。
安心啦，绝大多数人都还没有训练他的能力。
目前这些模型的核心都是统计并输出最可能出现的字符，说白了是一种“语言模型”。从本质上并不具备数理逻辑能力。不要用大模型来做精密计算。
1 个赞
我觉得LLM+程序代码应该是最有前景的方向，用LLM把题目翻译成程序代码，也就是把自然语言翻译成机器语言，然后数学部分就全部交给程序了。
这其实就是做应用题、搞科研的流程：列方程是语文题，解方程是数学题。
这样很大程度上能解决LLM不可靠的问题，因为程序运行还是比较可靠的。
现在看，Claude已经很接近这个完美的流程了。
智谱在做技术上的东西还是有差距的，无论是免费模型还是付费模型。
这题问的真蠢，既然是分配，以人性化的角度来看分配0个正常吗。1+1+5就是很合理的答案