Kiểm thử các mô hình AI với trò chơi 24

Trò chơi 24 là một câu đố toán học, trong đó người chơi được cho bốn số và phải sử dụng các phép toán số học cơ bản để tạo ra số 24. Trong bài viết này, chúng ta sẽ khám phá cách các mô hình AI khác nhau thể hiện khi chơi trò chơi này với các số 2, 4, 10 và 10.

Giới thiệu về trò chơi và các mô hình AI

Giới thiệu về trò chơi 24 và các mô hình AI Trò chơi 24 là một câu đố đầy thách thức đòi hỏi tư duy sáng tạo và kỹ năng toán học. Trong video này, chúng ta sẽ kiểm tra hiệu suất của ba mô hình AI: Grok 3, ChatGPT và DeepSeek. Các mô hình này sẽ được cung cấp các số 2, 4, 10 và 10, và phải sử dụng các phép toán số học cơ bản để tạo ra số 24.

Kiểm thử Grok 3

Giới thiệu về Grok 3 Mô hình AI đầu tiên chúng ta sẽ kiểm tra là Grok 3. Grok 3 là một mô hình AI mạnh mẽ đã được đào tạo trên một loạt các bài toán toán học. Tuy nhiên, như chúng ta sẽ thấy, nó ban đầu gặp khó khăn với trò chơi 24. Giải pháp đầu tiên nó tìm thấy là 10 * 2 + 4, không chính xác. Tuy nhiên, sau một thời gian, nó đã có thể tìm ra giải pháp chính xác.

Hiệu suất của Grok 3

Hiệu suất của Grok 3 Như chúng ta có thể thấy, hiệu suất của Grok 3 không nhất quán. Đôi khi nó có thể tìm ra giải pháp chính xác một cách nhanh chóng, trong khi những lúc khác nó bị mắc kẹt. Điều này cho thấy rằng thuật toán của Grok 3 có thể không phù hợp với loại bài toán này.

Giải pháp của Grok 3

Giải pháp của Grok 3 Giải pháp được tìm thấy bởi Grok 3 là 10 * 2 + 4, không chính xác. Tuy nhiên, sau một thời gian, nó đã có thể tìm ra giải pháp chính xác, đó là 10 * (10 - 4) / 2.

Kiểm thử ChatGPT

Giới thiệu về ChatGPT Mô hình AI tiếp theo chúng ta sẽ kiểm tra là ChatGPT. ChatGPT là một mô hình ngôn ngữ mạnh mẽ đã được đào tạo trên một loạt các dữ liệu văn bản. Tuy nhiên, như chúng ta sẽ thấy, nó gặp khó khăn với trò chơi 24. Giải pháp đầu tiên nó tìm thấy là 20 + 6, không chính xác.

Hiệu suất của ChatGPT

Hiệu suất của ChatGPT Như chúng ta có thể thấy, hiệu suất của ChatGPT không tốt. Nó không thể tìm ra giải pháp chính xác, ngay cả sau nhiều lần thử. Điều này cho thấy rằng thuật toán của ChatGPT có thể không phù hợp với loại bài toán này.

Kiểm thử ChatGPT-03-Mini

Giới thiệu về ChatGPT-03-Mini Mô hình AI tiếp theo chúng ta sẽ kiểm tra là ChatGPT-03-Mini. ChatGPT-03-Mini là một phiên bản nhỏ hơn của ChatGPT đã được đào tạo trên một tập dữ liệu nhỏ hơn. Tuy nhiên, như chúng ta sẽ thấy, nó hoạt động tốt hơn ChatGPT trong trò chơi 24.

Hiệu suất của ChatGPT-03-Mini

Hiệu suất của ChatGPT-03-Mini Như chúng ta có thể thấy, hiệu suất của ChatGPT-03-Mini tốt hơn ChatGPT. Nó có thể tìm ra giải pháp chính xác, đó là 10 * (10 - 4) / 2.

Kiểm thử DeepSeek

Giới thiệu về DeepSeek Mô hình AI cuối cùng chúng ta sẽ kiểm tra là DeepSeek. DeepSeek là một mô hình AI mạnh mẽ đã được đào tạo trên một loạt các bài toán toán học. Tuy nhiên, như chúng ta sẽ thấy, nó gặp khó khăn với trò chơi 24.

Kết luận

Tóm lại, trò chơi 24 là một câu đố đầy thách thức đòi hỏi tư duy sáng tạo và kỹ năng toán học. Các mô hình AI chúng ta đã kiểm tra, Grok 3, ChatGPT, ChatGPT-03-Mini và DeepSeek, tất cả đều gặp khó khăn ở một mức độ nào đó. Tuy nhiên, ChatGPT-03-Mini hoạt động tốt nhất, tìm ra giải pháp chính xác một cách nhanh chóng và nhất quán. Điều này cho thấy rằng các mô hình AI nhỏ hơn có thể phù hợp hơn với loại bài toán này. Nhìn chung, trò chơi 24 là một công cụ hữu ích để kiểm tra khả năng của các mô hình AI và có thể giúp chúng ta cải thiện hiệu suất của chúng trong các bài toán toán học.