Apple-Forscher finden, LLMs verlassen sich mehr auf Muster-Matching als logische Argumentation, kämpfen mit komplexen Fragen. Apple researchers find LLMs rely more on pattern-matching than logical reasoning, struggling with complex questions.

Apple-Forscher haben Bedenken hinsichtlich der mathematischen Denkfähigkeiten von großen Sprachmodellen (LLMs) geäußert und festgestellt, dass ihre Antworten aufgrund geringfügiger Eingabeänderungen erheblich variieren. Apple researchers have raised concerns about the mathematical reasoning abilities of large language models (LLMs), finding that their responses vary significantly based on slight input changes. Dies deutet darauf hin, dass LLMs eher auf probabilistische Muster-Matching als auf wahre logische Argumentation angewiesen sind. This suggests LLMs rely more on probabilistic pattern-matching than true logical reasoning. Um diese Fähigkeiten besser beurteilen zu können, führten sie den GSM-Symbol-Benchmark ein, der aufzeigte, dass LLMs mit komplexen Fragen zu kämpfen haben und ihre Grenzen in verlässlicher Argumentation herausstellen. To better assess these capabilities, they introduced the GSM-Symbolic benchmark, revealing that LLMs struggle with complex questions, highlighting their limitations in reliable reasoning.