https://www.neican.ai/tags/%E8%AF%84%E4%BC%B0%E6%96%B9%E6%B3%95/ Recent content in 评估方法 on AI内参 Hugo zh-cn Tue, 17 Jun 2025 19:30:06 +0800 https://www.neican.ai/insights/article-20250617193006108-0/ Tue, 17 Jun 2025 19:30:06 +0800 https://www.neican.ai/insights/article-20250617193006108-0/ 苹果公司发布论文《思考的幻象》，质疑大语言模型（LLM）的推理能力，认为其在复杂逻辑任务中性能崩盘。然而，一篇由独立研究员Alex Lawsen和Claude Opus 4共同撰写的反驳论文《思考的幻象的幻象》指出，苹果的评估存在严重缺陷，包括对Token输出限制的忽视、测试题目不严谨以及评估方式的片面性。这场辩论不仅揭示了当前AI评估方法的局限性，也引发了对AI智能本质和未来发展路径的深层思考。