Chinese Xiehouyu Riddles

尽管Gemini 3.1 Pro表现强劲，但大型语言模型在创意歇后语生成方面仍面临挑战

一项新的研究论文探讨了大型语言模型（LLMs）在理解和生成中文歇后语方面的推理与记忆能力。研究人员创建了新的歇后语以避免数据污染，并发现尽管前沿的中文模型在现有歇后语上的准确率高于以英语为中心的模型，这表明中文数据集更大，但它们在新的歇后语上的表现仍远低于人类专家。然而，Gemini 3.1 Pro在新的歇后语上表现出92.6%的显著准确率，比人类准确率高出24%。尽管如此，大型语言模型生成的歇后语的评分仍低于人类创作的歇后语，这表明…