IXThinker·2025-02-15 13:30

近600題謎題測試 R1常先「放棄」再答錯

大語言模型的推理能力究竟如何？一項由Cursor參與的研究以近600道「易懂難解」的謎題測試各大模型，發現DeepSeek R1經常在答錯之前先說「我放棄」，引發廣泛討論。

謎題基準設計

研究團隊基於NPR周日謎題挑戰構建了包含近600個問題的新基準。這些謎題很容易理解，不需專業知識就能看懂，但解決起來卻沒那麼容易，適合用來考驗模型的真實推理能力。