第618章 万象工坊，方至中盘(2/6)

带伞，我可以躲雨，可以打车，可以借伞。所以没带伞和感冒之间，并没有必然的因果联系。」

说完，他停顿了一会儿，让这个简单的例子沉淀一下。

「人类的推理，建立在庞大的常识库和现实经验之上。而目前几乎所有大模型的推理测试，都是在封闭、干净、预设好的环境中进行的。」

他看向山姆·奥特曼。

「就像在无菌实验室里测试药物的疗效，但真实的人体环境要复杂得多。」

山姆·奥特曼皱起眉，刚想说什么，江倾已经继续说下去。

「所以，要比较推理能力，我们可能需要一些————更贴近现实的测试。」

他从西装内袋里掏出手机，低头快速操作了几下。

会场前方的大屏幕画面一变，切换到了一个简洁的界面。

上面显示著几行字：

实时开放性推理测试场景：厨房初始条件：灶台上炖著一锅汤，小火。冰箱里有鸡蛋、西红柿、青菜。厨房垃圾桶是满的。窗外开始下雨，你的手机电量还剩15%。

问题：接下来一小时，你可能会遇到哪些问题？需要做哪些准备？请按优先级排序。

全场所有人全都看向屏幕，却没人去细想，江倾是怎么通过手机直接控制大屏幕的。

这个问题看起来简单，却包含了时间、资源、环境变化、风险预估等多个维度。

「这是万象实时生成的测试题。」

江倾解释道，他晃了晃手机。

「模型没有预先见过这道题。现在，我们可以请两位选手现场试一试。」

他看向山姆，笑容温和。

「山姆，你们的新版本应该已经内部部署了吧？要不要联机，让两个模型现场做个对比测试？实时生成答案，现场评判。」

这话一出，全场哗然。

现场测试？

还是开放性推理？

山姆·奥特曼的脸色立马变了。

他张了张嘴，却说不出话。

这种完全即兴，多因素交织的现实场景推理，根本不是标准测试集里的内容。

模型很可能表现得不稳定。

「当然，这只是个提议。」

江倾见他不答，很体贴地说。

「毕竟新版本还没正式发布，可能不太方便。」

这话听著体贴，实则把对方将住了。

不接，显得心虚。

接，风险太大。

山姆·奥特曼勉强笑了笑。

「我们的新版本还在最终调试阶段，不适合做公开演示。不过江博士这个测试题设计得很有意思。」

他试图把话题拉回安全区