數學難題暴露AI短板：13.11＞13.8衝上熱搜，所有LLM的致命弱點被揭開！

最近，一個簡單的數學問題——"13.8和13.11哪個大?"——不僅難倒了部分人類，也讓許多大型語言模型（LLM）陷入了困境。這個問題引發了對AI在處理常識性問題上的能力的廣泛討論。

在一檔知名綜藝節目中，這個問題引發了網友的熱議。許多人認爲13.11%應該比13.8%大，但事實上，13.8%更大。

AI2的研究員林禹臣發現，即使是大型語言模型，如GPT-4o，也會在這個簡單的比較問題上犯錯誤。GPT-4o錯誤地認爲13.11比13.8大，並給出了錯誤的解釋。

林禹臣的發現迅速在AI社區引起了熱烈討論。許多其他大型語言模型，如Gemini、Claude3.5Sonnet等，也在這個簡單的比較問題上犯了同樣的錯誤。

這個問題的出現揭示了AI在處理看似簡單但實際涉及精確數值比較的任務時可能遇到的困難。

儘管人工智能在許多領域取得了顯著的進步，比如自然語言理解、圖像識別和複雜的決策制定等，但在基本的數學運算和邏輯推理方面，它們仍然可能犯錯，顯示出當前技術的侷限性。

爲什麼AI會犯這樣的錯誤?

訓練數據的偏差:AI模型的訓練數據可能沒有包含足夠的示例來正確處理這類特定的數值比較問題。如果模型在訓練期間接觸到的數據主要表明較大的數字總是有較多的小數位數，那麼它可能會錯誤地將更多的小數位解釋爲更大的值。

浮點精度問題:在計算機科學中，浮點數的表示和計算涉及到精度問題。即使是微小的差異也可能在比較時造成錯誤的結果，尤其是在沒有明確指定精度的情況下。

上下文理解不足:儘管上下文清晰度在這個案例中可能不是主要問題，但AI模型通常需要根據上下文來正確解釋信息。如果問題的表述方式不夠明確或者與AI在訓練數據中常見的模式不匹配，可能會導致誤解。

Prompt設計的影響:如何向AI提出問題對於獲得正確答案至關重要。不同的提問方式可能會影響AI的理解程度和回答的準確性。

如何改進?

改善訓練數據:通過提供更多樣化、更準確的訓練數據，可以幫助AI模型更好地理解數值比較和其他基本數學概念。

優化Prompt設計:精心設計的問題表述可以提高AI給出正確答案的機會。例如，使用更明確的數值表示和提問方式可以減少歧義。

提高數值處理的準確性:開發和採用能夠更準確處理浮點數運算的算法和技術，以減少計算誤差。

增強邏輯和常識推理能力:通過專門針對邏輯和常識推理的訓練，增強AI在這些領域的能力，使其能夠更好地理解和處理與常識相關的任務。