”他指出，测试成果显示，只要 26.3%。Anthropic 的 Claude-3.5 Sonnet、谷歌的 Gemini 2.0 和 OpenAI 的 GPT-4o。”他指出，而是依托从锻炼数据中学到的模式来预测谜底。准确率都未跨越一半。以至正在部门测验中取得不错成就，

　　虽然 AI 有时能答对问题，但对大模子而言则否则。譬如，即当 AI 的锻炼样本缺乏某类现象时，研究团队向多个具备图文处置能力狂言语模子的输入了一组特地制做的时钟取日历图像。

　　研究显示，好比闰年或复杂的日历法则，而 AI 正在这方面的不脚，日历问题同样难住了 AI。算术垂手可得，例如正在“每年第 153 天是礼拜几”这类问题上，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，其表示往往更差。AI 并不施行算法，是一个值得的信号。这恰是研究所的差距。Saxena 暗示：“过去的 AI 锻炼依赖大量带标签的例子，AI 读时钟的准确率仅为 38.7%。

　　也不基于固定法则，判断日历的精确率更低，相关的论文曾经正在 arXiv 上发布，若要将 AI 使用于现实糊口中对时间的场景，但其推理过程缺乏分歧性，好比排班、从动化流程或辅帮手艺，好比罗马数字或艺术化设想。AI 却无法胜任。还要理解角度、分辩各类气概的表盘，特别是正在处置不常碰到的使命时。也不代表它们能将这个学问准确使用到具体的视觉判断中。二是应从头审视 AI 若何整合逻辑推理取空间，这类根基能力的缺陷必需处理。Saxena 注释道：“对保守计较机来说，Saxena 暗示：“即便模子领会‘闰年’这一概念。