计算机的错误计算(一百八十七)

摘要 用大模型计算 sin(123.456789). 其自变量为弧度。结果保留16位有效数字。第一个大模型是数学大模型。先是只分析,不计算;后经提醒,才给出结果,但是是错误结果。第二个大模型,直接给出了Python代码与结果,其中结果中最后一位数字错误。第三个大模型,也是给出Python代码,代码正确,但是结果错误。

例1. 用大模型计算 sin(123.456789). 其自变量为弧度。结果保留16位有效数字。

下面是与一个数学大模型的对话。



以上为与一个数学大模型的对话。

下面是与另一个大模型的对话。



以上为与另一个大模型的对话。

下面是与第三个大模型的对话。



点评:

(1)正确答案是 -0.8044063476133953(ISRealsoft 提供)。

(2)三个大模型的输出依次为 0.8064165273072594、-0.8044063476133956以及-0.4285105141394708 .

(3)显然,第一个与第三个大模型的输出是错误的;第二个大模型的输出只有 1 位错误数字。

(4)第一个大模型是数学大模型。它先是分析;后经提示,才给出结果。第二个大模型是直接给代码,再结果。第三个大模型说了一句话再给代码并结果。

(5)第一个数学大模型偏重中小学数学?

(6)后两个大模型的代码相同,但是,怎么有一个结果是错误的?看来是没计算,结果是抄来的?

(7)看来大模型的逻辑分析功能很强。但是,计算功能很弱。

相关推荐
Kyrie678几秒前
SkillOpt:把 Agent 的技能文件当作可训练参数
人工智能
浮生望5 分钟前
上下文工程:为什么现在写 Prompt 不用那么费劲了
llm
冬奇Lab25 分钟前
Workflow 系列(07):工程化与版本管理——Workflow 的 CI/CD
人工智能·工作流引擎
两万五千个小时26 分钟前
Claude Code 上下文管理(一):为什么 Agent 会"失忆"?
人工智能·架构·开源
两万五千个小时27 分钟前
Claude Code 上下文管理(二):零 Token 消耗的压缩三板斧
人工智能·程序员·开源
不好听61327 分钟前
从零搭建一个 RAG 语义搜索系统 —— DEMO的初始阶段
javascript·面试·llm
冬奇Lab30 分钟前
每日一个开源项目(第150篇):caveman - 为什么用很多 token,少 token 也行——给 AI Agent 装上穴居人嘴巴
人工智能·开源·资讯
贵慜_Derek37 分钟前
MAI-04|干净数据在工程上意味着什么:MAI 预训练数据治理
人工智能·算法·llm
feelmylife5942 分钟前
Agent 记忆设计架构 — 分层记忆:什么时候该记住,什么时候该忘记
人工智能
阿黎梨梨1 小时前
揭秘大语言模型的底层逻辑:从文本分词到高维向量的计算之旅
javascript·人工智能