一位 SEO 专家进行了一项实验，测试了六款热门大型语言模型在国际象棋谜题上的推理能力。该谜题要求在两步内将死，并以文本坐标的形式呈现。只有 Grok 能够正确解决该谜题，找出正确的先手和后续走法。Gemini 和 ChatGPT 等其他模型也很接近，找到了正确的先手但未能计算出第二步，而 Claude 和 Microsoft Copilot 则走错了先手，DeepSeek 生成了非法走法。 AI
影响 突显了即使是先进模型，LLM 在结构化推理和战略规划能力方面也存在当前的局限性。
排序理由 该项目测试了现有 LLM 在特定任务上的能力，而不是发布新模型或重要研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
