LLMs struggle with visual reasoning in engineering statics problems

一项新发表在arXiv上的研究调查了大型语言模型（LLMs）的解决问题能力，特别关注工程教育中的静力学问题。研究人员使用ChatGPT进行了模型蒸馏过程，创建了一个包含25个纯文本静力学问题的数据集，以及另外两个包含图表和修改数值的数据集。研究结果表明，虽然LLMs在基于文本的静力学问题上表现良好，但在引入图表时其准确性显著下降，这表明在多步推理和整合视觉信息方面存在困难。 AI

影响 强调了LLMs整合视觉信息和进行多步推理的能力限制，指出了人工智能在工程教育未来发展方向。

排序理由 该集群包含一篇详细调查LLM能力的 연구 논문. [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• CatalyzeX
• ChatGPT
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →