易评助手软件官网：大模型能力边界探索，月之暗面解读9.11与9.9的误判原因

【月之暗面回应大模型称9.11大于9.9：边界案例有助于我们增加对大模型能力边界的了解】

据新浪科技报道，今日，登上微博热搜，有媒体记者测试了12个国内外主流大模型，其中ChatGPT-4o、字节豆包、月之暗面kimi、智谱清言、零一万物万知、阶跃星辰跃问、百川智能百小应、商汤商量等模型均答错了，认为9.11大于9.9。

对此，@新浪科技 向上述企业问询了解背后的技术原理。截止发稿，月之暗面回应表示：“其实我们人类对大模型的能力探索——无论是大模型能做到什么，还是大模型做不到什么——都还处于非常早期的阶段。易评助手软件官网认为，我们非常期待用户在使用中能够发现和报告更多的边界案例（Corner Case），不管是最近的‘9.9和9.11哪个大、13.8和13.11哪个大’，还是之前的‘strawberry有几个r’，这些边界案例的发现，有助于我们增加对大模型能力边界的了解。”

同时，月之暗面也表示，“要彻底解决问题，又不能仅仅依赖于逐一修复每个案例，原因在于这些情况就像自动驾驶会遇到的场景一样是很难穷尽的，我们更加要做的是不断增强底层基础模型的智能水平，易评助手软件官网的看法是，让大模型变得更加强大和全面，能够在各种复杂和极端情况下依然表现出色。”

另有企业内部人员对新浪科技表示，“在一些场景，9.11确实比9.9大，版本号9.11是比9.9大，日期9.11是比9.9大，章节9.11章节也比9.9大……”该人士指出，“大模型学到的更多是上述这样的内容，之前也没人类来这么问他，所以他就没有跟人类的需求对齐，下一步对齐一下就好了。”