Reddit 用戶針對近期大語言模型（LLM）的能力變化展開討論，指出模型在特定領域呈現非線性特徵。討論聚焦於模型雖能完成複雜的數學證明，卻同時犯下連孩童都能輕易避免的簡單錯誤，這種現象被稱為「尖峰智力」（Spiky Intelligence）。此現象挑戰了 AI 能力線性進步的傳統敘事，暗示基準分數的高低並不總是直接對應實際效用或推理深度。分析指出，訓練數據分佈與後訓練目標是塑造這些特徵的關鍵因素，導致模型在某些領域達到頂尖人類水平，卻在其他基礎任務上表現不佳。

事件背景

「尖峰智力」指的是一種智力分佈不均的特徵，即實體在某些特定領域表現卓越，而在其他領域則表現普通或較差，與均勻的智力概念形成對比。在大語言模型的背景下，這意味著模型可能正確解決進階數學問題，卻在基礎邏輯或常識任務中失敗。這個概念有助於解釋為何高基準分數並不總是保證可靠的實際表現，也反映了智力並非單一平滑指標，而是不同任務間的可變特徵。

社群觀察

社群觀點呈現兩極化。部分用戶認為，由於訓練數據分佈等因素，這種「擅長複雜證明卻犯簡單錯誤」的對比是真實存在的現象。另一些用戶則聲稱，兩年前的模型在特定情境下其實更聰明，目前的比較可能缺乏意義。還有用戶指出，愚蠢錯誤與艱難證明並存正是尖峰智力的典型表現，挑戰了人們渴望用單一平滑指標來衡量智力的想法。