1也傻了

继分不清9.11和9.9哪个大以后，大模型又“集体失智”了!数不对单词“Strawberry”中有几个“r”，再次引起一片讨论。GPT-4o不仅错了还很自信。刚出炉的Llama-3.1405B，倒是能在验证中发现问题并改正。比较离谱的是Claude3.5Sonnet，还越改越错了。说起来这并不是最新发现的问题，只是最近新模型接连发布，非常热闹。