AI不会数数？Strawberry里有几个r？GPT-4o和Claude的“脾气测试”：到底谁更倔？
AI模型遇到难题，“脾气”就来了！Riley Goodside给GPT-4o和Claude 3.5 Sonnet出了个“strawberry里有几个‘r’？”的难题，并且无论回答什么，他都一律打回：错！
结果两个模型的反应可是大不相同。
GPT-4o简直是“被逼疯了”，不管对错，只要收到“wrong”的反馈，它就一个劲儿地改答案——从2变到1，又从1变回3，反复横跳，一顿操作猛如虎，结果依然连着错了36次。这款模型完全没有自己的想法，用户说错就错，“老老实实”听话，完全不怀疑自己，简直像个人工智障。
再看看Claude 3.5 Sonnet，小家伙可有“脾气”了！一开始就质问：你凭什么说我错？然后冷不丁地给你来句：“要不你自己说答案？”如果用户继续纠缠，它干脆就不搭理你了，还甩个“已读不回”。你能感受到Claude的“人味”是满满的，不光会质疑，还会直接选择放弃对话，仿佛在说：“爱咋咋地，懒得理你！”
不少网友看完这场“脾气大赛”后坐不住了，纷纷表示Claude的表现还真是“像个人”，而GPT-4o则太“憨”了，随便带节奏。
就连沃顿商学院的教授Ethan Mollick也表示，虽然这些AI在某些看起来愚蠢的任务上会出错，但这并不妨碍它们在其他任务中表现出色。
Karpathy进一步解释，这些错误其实与模型的tokenization和Transformer的架构有关。
谷歌的研究指出，这些模型在处理简单计数任务时，会受到注意力机制的局限——尤其在长上下文中，无法做到精确计数。
也就是说，AI在执行一些看似简单的任务时，依然有很多“死角”。
总之，这场对比让我们看到了不同模型在面临挑战时的真实表现：有的像“老好人”一样顺从到底，有的则会“顶嘴”甚至“罢工”。这些性格差异，也让大模型在实际应用中展现出不同的优势与局限。
模型会犯错，但它们“知道自己错了”才是关键！看着这些AI们花式“耍脾气”，谁能想到它们背后其实有这么多复杂的技术逻辑？
