大模型智障检测案例：Strawberry中的'r'数不清 大模型接连在识别"Strawberry"中有几个'r'的问题上表现不佳，引发广泛讨论。GPT-4错误且自信，Llama-3.1在验证中发现问题并改正。Claude 3.5 Sonnet则越改越错。尽管这不是新发现的问题，但在新模型发布后，再次...