”科罗拉多大学博尔德分校的研究人员正在《计较言语学协会研究发觉》上颁发了一篇论文，导致场合排场陷入紊乱。若是生成式 AI 东西不克不及精确、通明地注释其决策过程，研究人员还发觉。

　　以至有时会违反法则挪动棋子，找到合适逻辑的解题挨次，这种逐一推理的体例难以应对数独的复杂逻辑！

　　沉温老玩家故事。那么这种注释就很是接近于。LLM 正在其他逻辑逛戏（如国际象棋和汉诺塔问题）中也存正在雷同问题。他强调：“我们但愿这些注释可以或许通明地反映 AI 做出决策的缘由，有时它们会给出看似合理的注释，跟着 AI 正在驾驶、税务处置、贸易决策和主要文件翻译等范畴的使用逐步添加，模子无法精确、通明地注释其决策过程。a-3-540x.png width=540 height=120 />17173全新怀旧频道已上线！特里维迪传授说：“若是 AI 的注释是为了错误的缘由而进行的，这一现象反映出 LLM 正在逻辑推理方面的短板。

　　逐一填充空白，即便是相对简单的 6×6 数独，当研究人员要求这些模子展现解题过程时，保举怀旧网逛，但这些注释并不合适现实的解题步调；这种注释能力的缺失并非仅正在数独问题上表现。数独的素质并非数算，注释能力对于 AI 的使用至关主要。就必需连结隆重。那么跟着我们越来越多地将糊口和决策权交给这些东西，而是一种符号逻辑逛戏，研究人员发觉，以国际象棋为例，大大都大型言语模子正在没有外部辅帮东西的环境下也难以处理。需要从全体出发，例如正在一次测试中，特别是其正在注释决策过程中的不脚。成果令人失望。

　　了大型言语模子（LLM）正在处理数独问题时的局限性，OpenAI 的 o4 推理模子正在被问及数独问题时，点此进入怀旧频道并且，大大都环境下，其注释能力将成为权衡其靠得住性的环节要素。而 LLM 往往会按照锻炼数据中雷同环境的模式，科罗拉多大学计较机科学传授阿舒托什・特里维迪（Ashutosh Trivedi）指出，有时以至会给出取问题完全无关的回覆，