马克斯·普朗克研究所：推理使LLM错误趋同

马克斯·普朗克研究所的一项新论文发现，开启推理会使不同大语言模型（LLM）的预测和错误更加趋同，而产生最长思考轨迹的样本则表现出较低的模型间一致性。 研究人员在 3 项美国人口普查预测任务上测试了 9 个 Qwen 和 GPT 模型，发现开启推理后，所有模型集体出错的比例上升了 2.0 到 2.4 个百分点，而长思考轨迹对应的调整后一致性则下降至 0.31 左右。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。