AI 大模型的数字陷阱，连 Grok-3 都翻车

日前，马斯克与 xAI 团队，在直播中正式发布了最新版本 Grok3。

此前，马斯克将 Grok-3 描述为 " 地球上最聪明的 AI"。他在 X 平台上表示：" 自己整个周末都在和团队打磨产品。"

不过，据媒体报道，有人测试了最新的 Beta 版 Grok3，并提出了那个经典的用来刁难大模型的问题："9.11 与 9.9 哪个大 ?" 遗憾的是，在不加任何定语以及标注的情况下，号称目前最聪明的 Grok3，仍然无法正确回答这个问题。

难道马斯克口中 " 地球上最聪明的 AI" 就给出了这种答案吗 ?Grok3 到底行不行 ?

9.11 和 9.9 哪个大这个看似很简单的问题为什么 Grok3 会出现错误呢 ? 其实，大模型在处理 "9.11" 时，可能会将其拆分为 "9"、"11" 两个部分。由于小数点后的 "11" 大于 "9"，这导致了错误地判断。

而且，在某些情况下，如日期或章节编号，9.11 确实比 9.9 大。例如，"9 月 11 日 " 比 "9 月 9 日 " 晚，" 第 9 章第 11 节 " 也比 " 第 9 章第 9 节 " 晚。大模型可能在学习过程中积累了这些 badcase，从而产生了错误的判断。

还有，在分析大模型的底层注意力机制时，我们发现大模型对小数点后的 "11" 和 "9" 更为关注。这可能是导致错误的原因之一。然而，当我们排除这些明显的可能性时，问题可能出在位置编码或大模型更底层的推理逻辑上。

因此，不仅是 Grok3，包括 ChatGPT 在内的很多大模型都在这个问题上跌了跟头。

值得一提的是，用同样的问题询问 DeepSeek 时，无论是否开启深度思考 ( R1 ) 模式，对方都给出了正确的答案：9.9 大于 9.11。

而且，除了这个数字问题外，在 xAI 发布会直播中，在分析游戏《流放之路 2》的职业与升华效果时，Grok 3 也给出了大量错误答案，并且马斯克也没有看出这些明显的错误。

尽管在官方 PPT 中，Grok3 在大模型竞技场 Chatbot Arena 中看似 " 遥遥领先 "，但实际上其与 DeepSeek R1 和 GPT4.0 的差距仅为 1% 到 2%。

不过，对此这个问题马斯克并不以为然，其公开回应称，当前的 Grok 3 仅是测试版，这个阶段错误越多越好，而完整版将在未来几个月推出，并邀请用户反馈使用问题。

另外，此外，马斯克在直播中透露，未来，最快一周后 Grok 应用程序将具备 " 语音模式 "，这将为 Grok 模型提供合成语音。几个月后，xAI 将开源上一代模型 Grok 2。" 我们的一般做法是，当下一个版本完全推出时，我们将开源上一个版本 ( Grok ) 。"

马斯克曾多次警告说，人工智能会给人类文明带来风险，但他仍在极力推动加大对这一领域的投资。

我们从本次发布的 Grok 3 里面，可以看出来，马斯克还是押注大算力 AI，Grok 3 无论在训练集群规模、用电量上都是首屈一指的，这也在一定程度上转化为了 Grok 3 在多个基准测试上的 SOTA 表现。不过，马斯克这次押注能不能成功，我们还要接下来继续看 AI 的发展。

更多内容

    AI                  XR                 机器人

科技趣闻         硬件评测            科技文旅

粉丝激励计划现已开启！加入我们的群组，一起探讨、分享、评论最新文章即可有机会领取红包奖励，扫码即刻加入！