Alice in Wonderland: Simple Tasks Showing Complete Reasoning Breakdown in State-Of-the-Art Large Language Models: differenze tra le versioni

Versione delle 10:03, 19 ago 2024

Collegamenti

https://arxiv.org/pdf/2406.02061

Alice in Wonderland: Simple Tasks Showing Complete Reasoning Breakdown in State-Of-the-Art Large Language Models
Data	2024
Autori	Marianna Nezhurina, Lucia Cipolina-Kun, Mehdi Cherti, J. Jitsev
URL	https://www.semanticscholar.org/paper/32e086dd56041ddb63d9e9e210c29a7fdeabdb6d
Topic	Ragionamento nei Large Language Models
Citazioni	5

Questo articolo evidenzia come i Large Language Models (LLM), nonostante le loro capacità avanzate, possano fallire in compiti di ragionamento semplici e di buon senso. Gli autori presentano un problema specifico, denominato "AIW problem", che i modelli LLM non riescono a risolvere in modo affidabile, mostrando incoerenza e scarsa capacità di ragionamento logico. L'articolo solleva dubbi sulla reale capacità di ragionamento dei LLM e incoraggia ulteriori ricerche per la creazione di benchmark più accurati per valutare tali capacità.

@@ Riga 3: / Riga 3: @@
 [https://www.youtube.com/watch?v=Nvb_4Jj5kBo Why "Grokking" AI Would Be A Key To AGI]
+{{template pubblicazione
+|data=2024
+|autori=Marianna Nezhurina, Lucia Cipolina-Kun, Mehdi Cherti, J. Jitsev
+|URL=https://www.semanticscholar.org/paper/32e086dd56041ddb63d9e9e210c29a7fdeabdb6d
+|topic=Ragionamento nei Large Language Models
+|citazioni=5
+}}
+Questo articolo evidenzia come i Large Language Models (LLM), nonostante le loro capacità avanzate, possano fallire in compiti di ragionamento semplici e di buon senso. Gli autori presentano un problema specifico, denominato "AIW problem", che i modelli LLM non riescono a risolvere in modo affidabile, mostrando incoerenza e scarsa capacità di ragionamento logico. L'articolo solleva dubbi sulla reale capacità di ragionamento dei LLM e incoraggia ulteriori ricerche per la creazione di benchmark più accurati per valutare tali capacità.