一个常识问题竟让大模型集体翻车？9.9vs9.11?多家测试对比

关于“9.9和9.11谁更大”的问题，主流大模型如GPT-4o、Claude 3.5 Sonnet等在处理这一简单数学问题时出现了错误，错误地认为9.11大于9.9。这一现象表明，尽管AI在处理复杂问题时表现出色，但在基础的数学常识问题上仍存在明显缺陷。

先来一波一本正经回答错误❌的

Perplexity

结果：回答错误❌

Kimi

结果：回答错误❌

秘塔

结果：回答错误❌

豆包

结果：回答错误❌

正经回答正确的✔

腾讯元宝

结果：回答正确✔

百度文心3.5

结果：回答正确✔

天工AI搜索

结果：回答正确✔

360AI搜索

结果：回答正确✔

Miku AI搜索

结果：回答正确✔

最后，具体想看出错的原理，可参考以下文章，都写得很不错~

参考链接：

[1]https://x.com/goodside/status/1812977352085020680

[2]https://x.com/billyuchenlin/status/1812948314360541302

[3]https://www.reuters.com/technology/artificial-intelligence/openai-working-new-reasoning-technology-under-code-name-strawberry-2024-07-12/

[4]https://tiktokenizer.vercel.app

[5]https://x.com/learnprompting/status/1812867464419852765