AI无法攻克的235道谜题！让o1、Gemini 2.0 Flash Thinking集体挂零

---

最新研究揭示大语言模型推理能力的局限性：enigmaeval 基准测试结果

Scale AI、Center for AI Safety 和 MIT 的研究人员联合发布了新的多模态推理基准测试 ENIGMAEVAL，再次挑战了大语言模型的推理能力。该基准包含 1184 个难题，涵盖解谜寻宝竞赛中的各种类型，测试模型的逻辑推理、创造性思维和跨学科知识运用能力。难题分为普通难度 (Normal) 和困难难度 (Hard) 两类，分别包含 949 道和 235 道题目。 难题以原始 PDF 图片和结构化文本-图像两种格式提供，以评估模型的端到端能力和独立推理能力。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

测试结果显示，即使是像 OpenAI 的 o1 这样的顶尖模型，在普通难度谜题上的准确率也仅为 7.0% 左右，在困难难度谜题上的准确率则为 0%。这与经验丰富的人类解谜者的表现形成鲜明对比。 研究发现，模型在处理原始 PDF 格式的谜题时，性能会显著下降，这表明一些前沿模型的 OCR 和文档解析能力仍然存在限制。

ENIGMAEVAL 基准与此前发布的“人类的最后考试”（HLE）基准一起，为评估大语言模型提供了更全面的视角，并突显了当前模型在复杂推理任务上的不足。 研究人员指出，AI 距离真正理解世界还有很长的路要走。 值得注意的是，DeepSeek R1 未参与本次测试，其表现值得关注。

ENIGMAEVAL 基准的谜题来源及难度分布如下表所示：

MedPeer科研绘图

生物医学领域的专业绘图解决方案，告别复杂绘图，专注科研创新

166 查看详情

普通难度谜题示例：

困难难度谜题示例：

实验结果表明，所有测试的顶尖 LLM 在 ENIGMAEVAL 上的表现都不理想，尤其是在困难难度谜题上完全失败。 这进一步强调了当前大语言模型在复杂推理方面的挑战。

以上就是AI无法攻克的235道谜题！让o1、Gemini 2.0 Flash Thinking集体挂零的详细内容，更多请关注其它相关文章！

# 的是  # 建设工程安全管理网站  # 魔贝SEO无加密  # 企业推广的网站必火2星  # 勤工俭学论文网站建设  # 呼和浩特网络营销seo  # 灵武营销短视频推广  # 水污染治理网站推广方案  # 公司网站推广方案模板  # 深圳网站自动推广设计师  # 招远seo优化推广服务  # 个性化设置  # 今日  # 工程  # 播客  # 首个  # 多项  # 腾讯  # 还能  # 首次  # 奥迪  # deepseek  # gemini  # ai  # scale ai 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 世界水下机器人大赛：9国青年携手逐梦深蓝  电池比 Air 2S 大 20%，大疆 Air 3 无人机现身 FCC  360°/180°双模式，佳能公布可折叠小体积的VR全景相机  Meta Quest订阅服务每月7.99美元畅玩两款VR游戏应用  OpenAI大神Karpathy最新分享：为什么OpenAI内部对AI Agents最感兴趣  【原创】奥比中光：与英伟达合作开发的3D开发套件正式发布 连接英伟达AI应用生态  移远通信率先完成多场5G NTN技术外场验证，为卫星物联网应用落地提速  不到2S创作AI图像！Snap发布图像生成器SnapFusion  消息称 Meta Quest 将推 VR 游戏订阅：每月 7.99 美元，任选两款  以计算机视觉技术为基础的库存管理如何改革零售行业  微软大牛加入ZOOM，AI人才大战打响  两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏  小米9号员工李明宣布创业：打造首款安卓桌面机器人  阿里达摩院发布免费开放100项AI专利许可的动机是什么？  AMD称下半年AI显卡供应充足，不需要像NVIDIA那样加价抢购  争鸣：OpenAI奥特曼、Hinton、杨立昆的AI观点到底有何不同？  人形机器人概念大热！这些产业链标的或受提振  华为发布两款AI存储新品  DeepMind推惊世排序算法，C++库忙更新！  小艺将具备大模型能力，鸿蒙4加速AI普及之路  酒店业将如何受益于人工智能的改变？  探索人工智能和物联网的动态融合  掌阅科技对话式AI应用“阅爱聊”开启内测  RoboNeo安装教程  OpenAI限制网络爬虫访问以保护数据免被用于AI模型训练  田渊栋新作：打开1层Transformer黑盒，注意力机制没那么神秘  昌吉市利用无人机实现全天候河道动态巡检  腾讯AI首次模拟拼接三星堆文物，工作取得阶段性的成果  「电子果蝇」惊动马斯克！背后是13万神经元全脑图谱，可在电脑上运行  微软为 AI 初学者推出免费网课：为期 12 周，共 24 节课  消息称 ChatGPT 未来有望增加更多功能：上传文件分析信息，还能记住用户画像  映宇宙数字人“映映”亮相ChinaJoy，展示AI黑科技实现用户互动  大脚攀爬者车主福利！无人机、运动相机大奖等你来挑战  全媒封面丨⑤商汤科技：原创AI算法“发电厂”  OpenAI CEO 山姆・阿尔特曼呼吁 AI 领域中美应当合作  盘古大模型3.0正式发布 AI开发正走向新“工业化开发模式”  谷歌推出 AI 反洗钱工具，可将金融机构内部风险预警准确率提高2至4倍  亚太地区 70% 的企业高管正探索生成式 AI 应用或已经进行投资  英伟达首席执行官黄仁勋：生成式 AI 时代「人类」会是新的编程语言  月薪6万，哪些AI岗位在抢人？  苹果AR头显商标与华为撞车，在中国或改名  中国联通发布图文AI大模型，可实现以文生图、视频剪辑  微软Xbox称VR和AR还需要时间 先玩大的  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  实践J*a开发，构建高性能的MongoDB数据迁移工具  电力人工智能数据集目录首次发布  十个AI算法常用库J*a版  配 3D 机器人头像，谷歌展示全新安卓 LOGO  OpenAI 静默关闭 AI 文本检测工具，准确率仅为 26%  为了避免人工智能可能带来的灾难，我们要向核安全学习 

 2025-02-17