跳到正文
arXiv · AI· Qingya Hu, Ruifeng Cao, Weiqi Wang, Xidan Song·· 7 天前AI 评分28

LLM 国际象棋评估的几何稳定性分析:超越准确率的变形测试

Beyond Accuracy: A Geometric Stability Analysis of Large Language Models in Chess Evaluation

AI 导读

研究通过旋转、镜像等变形测试评估 6 款 LLM 在象棋中的评估一致性。所有模型在 180 度旋转测试中稳定性失败,一致率最高仅 10.6%,常误判合法局面为非法。

来源:arXiv · AI · arxiv.org