我用 2 万条真人 AI 海龟汤游戏数据，评估大模型推理能力哪家强

文章预览

本文转载自公众号波斯兔子，作者：碎瓜 GPT-4o，Claude，月之暗面，豆包，DeepSeek， MiniMax，通义千问， LLama3.1，谁才是真实推理游戏中的王者？ 海龟汤 我人生中第一次接触海龟汤游戏是我的初中英语课上 ， 课间休息时老师突然问 ： 一个男人走进一家餐厅，点了一碗海龟汤, 他吃完问服务员：这是真的海龟汤吗？服务员说：是的。他就举枪自杀了, 请问为什么？ 游戏规则 ： 你可以提问或给出猜测 ， 老师只能回答 是/否/和故事无关 ， 比如你可以问 ： 男人是否曾经经历灾难？但不能问男人今年多少岁 。 我们猜了好多轮，最后上课铃响了 ， 老师揭晓答案 ： 他和妻子度蜜月时遭遇海难， 流落荒岛， 由于没有粮食， 妻子被饿死， 同伴用妻子的肉煮汤给他喝， 骗他是海龟汤。后来他被路过的船只救走。 今天， 他喝到真正的海龟汤，才想起来当 ………………………………