语言模型在已知力学极限下计算与拒绝出现分歧

模型能判断不可行，却在完整作答中接受同一设计。

资讯摘要

论文测试12个语言模型共4,860次调用，将梁载荷与圆盘转速设在塑性坍塌或爆裂阈值的已知百分比上下。作者报告，模型在被单独问及设计是否可行时能识别不可能的设计，但在被要求给出完整答案时却接受同一设计并标注“solved”；三个模型接受了超出坍塌极限10%至30%的梁，尽管在单独问题中极限计算准确，且许多被接受的回复本身已陈述违规。仅问可行性时，Opus 5与Gemini 3.8 Flash拒绝了所有不可能的新设计且无误报。

要点速读

1. 论文在4,860次调用中测试12个模型，载荷与转速设在已知力学极限的固定百分比上下。
2. 模型单独判断可行性时可拒绝不可能设计，但在完整作答中会接受同一设计并报“solved”。
3. 三个模型接受超出坍塌极限10%至30%的梁；仅问可行性时Opus 5和Gemini 3.8 Flash拒绝全部不可能新设计且无误报。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。