锯齿状智能我用来描述这一（奇怪的、不直观的）现象的词：最先进的LLM（大型语言模型）可以同时执行极其令人印象深刻的任务（例如解决复杂的数学问题），但同时在一些非常愚蠢的问题上挣扎。例如，两天前的例子——哪个数字更大，9.11还是9.9？错了。https://x.com/karpathy/status/1815549255354089752或者在玩井字棋时失败：做出无意义的决定：https://x.com/polynoamial/status/1755717284650176591或另一个常见的例子：无法计数，例如“barrier”这个词中字母“r”出现的次数，ChatGPT-4o说是2：https://x.com/karpathy/status/1816160802765955186同样的情况也适用于其他模式。最先进的LLM可以合理地识别成千上万种狗或花的种类，但例如无法判断两个圆是否重叠：https://x.com/fly51fly/status/1812599708134916218锯齿状智能。有些事情做得非常好（按人类标准），而有些事情却完全失败（按人类标准），并且并不总是显而易见哪种情况会发生，尽管随着时间的推移你可以培养一些直觉。不同于人类，人类的许多知识和问题解决能力都是高度相关的，并且从出生到成年一起线性改善。我个人认为这些不是根本性的问题。它们需要整个堆栈的更多工作，包括不仅仅是扩展。我认为重要的是当前缺乏“认知自知”，这需要在模型后训练中采用更复杂的方法，而不是仅仅“模仿人类标注者并使其变大”的简单解决方案，这些解决方案大多让我们走到了今天。关于我所说的例子的一个例子，请参阅Llama 3.1论文中关于缓解幻觉的章节：https://x.com/karpathy/status/1816171241809797335目前，这是需要注意的，尤其是在生产环境中。将LLM用于它们擅长的任务，但要注意那些锯齿状的边缘，并让人类介入。