考察了一圈,发现Gemini在视觉逻辑上的确是最强的。

考察了一圈,发现Gemini在视觉逻辑上的确是最强的。

给大语言模型下图,然后问它:
"图中的A如果往左走10米,B会怎么样?如果往右走2米进到车里呢B会怎么样?如果右侧的灯柱不存在的话,图中的A如果往左走10米,B会怎么样?"

其他模型回答此题时大多都翻车了,比如ChatGPT虽然能认识到可以类比滑轮,但却机械地认定不管如何,A到柱子+B到柱子不变,因此认为A往右,B也会被推向左。

只有Gemini完全搞清了这里面的逻辑,这是很难的。图2,图3是Gemini对第二个问题的回答及对整个问题的回答,这是完全正确的。

图4是chatGPT Pro的回答,他在那不断地编程一点点看,结果还是错了。

图5是Grok免费版的回答,思考了五分钟,也没答对。

图6是豆包的超能模式的回答,思考了一分钟,都没答对。

不知国内大模型能否搞掂此类问题。





分类