跳到正文
热点事件持续更新

研究发现小模型LLM乘法错误不遵循加法量化规律

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年10月30日，一项关于大语言模型算术能力的研究在 arXiv 平台发布。研究团队在包含 16,991 道题目的数据集上测试了多个小型基础 LLM 的乘法能力，旨在探究其错误模式。 研究揭示，小模型中的乘法错误模式不符合加法中的“噪声量化”模型。特别是在 Qwen 小型模型中，低位数字错误主要保持奇偶性，而高位数字错误则转向偏差为一的进位失败。 这一发现表明 Transformer 模型通过多周期性内部表示进行算术计算。研究指出，奇偶性比精确数字追踪更为稳健，为理解模型数值推理的内在机制提供了新见解。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
探究大语言模型中的乘法错误

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · AI
    探究大语言模型中的乘法错误

    针对大语言模型在多位数算术中的表现，该研究在包含16,991道题目的数据集上测试了多个小型基础LLM的乘法能力，发现其错误模式不符合加法中的“噪声量化”模型。 在小规模 Qwen 模型中，低位数字错误主要保持奇偶性，而高位数字错误则转向偏差为一的进位失败。这表明 Transformer 模型通过多周期性内部表示进行算术计算，其中奇偶性比精确数字追踪更为稳健，为理解模型数值推理的机制提供了新见解。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。