研究用国际象棋区分大模型泛化与记忆

研究者提出以国际象棋作为受控测试平台，按相关先验的密度对局面分类，从而在不了解模型训练数据的情况下区分记忆与泛化。对GPT系列的长时段分析及对Claude Opus、Gemini等当代模型的评测显示，先验越稀疏性能越差：在少先验任务上，基座模型回落到随机走子水平，各模型提出非法走子的比例也明显上升。推理增强能提升表现，但每个token的相对边际收益随先验减少而下降。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。