大模型测试题爆火，GPT-4和Claude3都跪了，LeCun转发：新Benchmark

文章预览

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 一项新的“大模型Benchmark”在推特上爆火，LeCun也点赞转发了！ 而且无论是GPT-4还是Claude 3，面对它都如同被夺了魂，无法给出正确答案。 难倒一众大模型的，是逻辑学当中经典的“动物过河”问题，有网友发现，大模型对此类问题表现得很不擅长。 甚至有人观察到，几个不同的模型都给出了一致的 （错误） 答案，让人怀疑他们是不是用了相同的训练数据。 针对这项测试，网友还定义了一个新的名词叫 “劣效比率” （ crapness ratio） ，让LeCun打趣说到，一项新的“Benchmark”诞生了。 “模见模愁”的动物过河 首先来看一下什么是“动物过河”问题，这是逻辑学当中的一道经典题目。 问题的原型是这样的： 农夫需要把狼、羊和白菜都带过河，但每次只能带一样物品，而且狼和羊不能单独相处，羊和白菜也 ………………………………