GPT-4o

研究人员提出“干预式基础审计”方法，通过谓词替换检测大模型思维链推理对前提的真实依赖程度，发现GPT-4o在解决推理问题时，66%的正确回答中存在与证明树依赖不一致的推理步骤。

最新研究通过语言流畅性任务对比人类与GPT-4o等大模型的语义搜索模式，发现人类在概念空间中的探索更具多样性和广度，现有模型架构难以完全复现人类语义检索的动态平衡。