DeepSeek R1遇难题142次"I give up"，研究还称需增加推理时机控制机制via 36氪 - 24小时热榜

最新大语言模型推理测试引众议，DeepSeek R1常常在提供错误答案前就“我放弃”了？？ Cursor刚刚参与了一项研究，他们基于NPR周日谜题挑战（The Sunday Puzzle），构建了一个包含近600个问题新基准测试。 这些谜题特点是很好理解，不需要专业知识就能看懂，然鹅解决起来却没那么容易。 举个栗子： 想一个熟悉的五个字母、两个音节的单词。将中间字母改为字母表中该字母前面的字母，你将得到一个熟悉的五个字母、三个音节的单词。这个单词是什么？ 标准答案是alpha → aloha，很容易验证。…