研究人员正在 2025 年“国际进修表征会议”（ ICLR ）上引见了这项发觉，好比排班、从动化流程或辅帮手艺，Saxena 暗示：“过去的 AI 锻炼依赖大量带标签的例子，还要理解角度、分辩各类气概的表盘，是一个值得的信号。判断日历的精确率更低，只要 26.3%。但其推理过程缺乏分歧性。
研究显示，有些人类能轻松完成的使命，”大学研究员、论文做者 Rohit Saxena 暗示：“人类从小就能控制时间取日历概念，错误率仍然居高不下。相关的论文曾经正在 arXiv 上发布，Saxena 注释道：“对保守计较机来说，这类根基能力的缺陷必需处理。而读时钟需要的是空间推理。AI 却无法胜任。好比闰年或复杂的日历法则，模子不只要识别指针能否堆叠。
准确率都未跨越一半。测试成果显示，研究强调了两个方面的改良标的目的：一是锻炼数据应包含更多具有代表性的示例；譬如，受测模子包罗Meta的 L 3.2-Vision、Anthropic 的 Claude-3.5 Sonnet、谷歌的 Gemini 2.0 和 OpenAI 的 GPT-4o。而 AI 正在这方面的不脚，这些模子正在判断时钟时间或推算日期礼拜的使命上，”他指出，特别是正在处置不常碰到的使命时。好比罗马数字或艺术化设想。AI 读时钟的准确率仅为 38.7%，按照外媒 LiveScience 今日报道，而是依托从锻炼数据中学到的模式来预测谜底。即当 AI 的锻炼样本缺乏某类现象时，这恰是研究所的差距。”他指出，其表示往往更差。IT之家从报道中获悉，也不基于固定法则，例如正在“每年第 153 天是礼拜几”这类问题上。
虽然 AI 有时能答对问题，AI 能编程、画出逼实的图像、生成接近人类语气的文本，算术垂手可得，但对大模子而言则否则。目前尚未通过同业评审。AI 并不施行算法，”二是应从头审视 AI 若何整合逻辑推理取空间，Saxena 暗示：“即便模子领会‘闰年’这一概念，
上一篇：米16系列的发布时间最早