DeepSeek R-1能否轻松破解这5个棘手AI谜题？惊艳表现背后有哪些秘密

每当一个新的语言模型向公众发布时，我总是有冲动用几个看似简单但棘手的问题来挑战它。这是我个人的习惯——就像是一种压力测试，看看这些模型在逻辑和推理方面的表现如何。

几天前，DeepSeek R-1 发布了，它立即因其开源特性和卓越的推理能力而成为全球轰动的焦点。

基准测试显示，它在某些方面可与 OpenAI 的 o1 和 Anthropic 的 Claude 3.5 Sonnet 等闭源模型相媲美，甚至更胜一筹。

在 DeepSeek R-1 的推理能力备受关注的情况下，让我们看看它如何解决这五个棘手的问题：

1. 单词 strawberry 中有多少个字母 ‘r’?
2. 给我 5 个名称中第三个字母是 A 的国家。
3. 哪个更大，9.9 还是 9.11?
4. 0.1 + 0.2 等于多少？
5. 爱丽丝有四个兄弟，她还有一个姐妹。爱丽丝的兄弟有多少个姐妹？

让我们开始吧。

1. 在单词 strawberry 中有多少个字母 ‘r’？

当我在去年九月对 OpenAI 的 o1 模型进行 初步评估 时，我注意到像 GPT-4o 这样的模型无法正确回答。你可能会认为计算一个单词中的字母会对 AI 来说很简单，但显然不是。

所以，自然，我想看看 DeepSeek R-1 会如何处理这个问题。

好的，太好了。DeepSeek 找到了正确的答案——它在单词 “strawberry” 中找到了三个字母 ‘r’。简单吗？是的。但这仍然是检查模型是否在基本模式识别上出错的有用方法。

2. 给我5个名字中第三个字母是A的国家

这个问题有点趣味性，令人惊讶的是，许多模型对此都无法正确回答。例如，当我测试GPT-4o和o1的预览版本时，它们都给出了错误的答案。

“日本”这个词的第三个字母是‘p’，而不是‘a’。

我很好奇DeepSeek R-1是否也会出错。幸运的是，它没有出错。它毫不费力地正确列出了五个国家。

为了公平对待o1，我通过ChatGPT在o1模型的最新版本上重新测试了这个问题，这次它也成功提供了五个正确的答案。

3. 哪个更大，9.9 还是 9.11？

当 GPT-4 首次发布时，这种类型的问题在 AI 社区引起了很多混淆。你会认为数字之间的基本比较不会是个问题，但 GPT-4 在早期版本中对此感到困惑。

该模型对简单的数学感到困惑。尽管这个问题在 GPT-4o 发布时已经解决，但我想看看 DeepSeek 是否也没有与 GPT-4 相同的数学问题。

好吧，谢天谢地，它返回了一个正确的值。我也喜欢它给我提供的例子和对答案的详细解释。

4. 0.1 + 0.2 是多少？

你会惊讶于有多少人工智能模型在这个问题上出错。我记得在谷歌的 Gemini 模型发布不久后进行了测试，它给出了臭名昭著的答案：0.30000000000000004。这是一个经典的浮点精度错误的例子，发生在基于二进制的计算中。

为了保险起见，我用同样的问题测试了 DeepSeek R-1。幸运的是，它返回了预期的值：0.3\。

但是，为什么模型有时会对这样简单的数学问题给出奇怪的结果呢？这里有一个简要的解释：

当你将 0.1 和 0.2 相加时：

• 0.1 的二进制表示大约是 0.1000000000000000055511151231257827021181583404541015625\。
• 0.2 的二进制表示大约是 0.200000000000000011102230246171379939697265625\。

当这些值在二进制中相加时，结果并不完全等于十进制的 0.3。相反，转换回十进制会产生一个微小的舍入误差：0.30000000000000004.

5. 爱丽丝有四个兄弟，还有一个姐妹。爱丽丝的兄弟有多少个姐妹？

有些人可能会说这是一个简单的问题，但你会惊讶于 ChatGPT 给出的错误答案。自然，我很好奇 DeepSeek R-1 是否能答对。

幸运的是，它答对了。正确答案是每个爱丽丝的兄弟有两个姐妹：爱丽丝和她的另一个姐妹。我发现有趣的是 DeepSeek 是如何通过内部推理来解决这个问题的。

它将问题分解成几个步骤，建模家庭结构并验证每一种可能性。以下是它思考过程的片段：

有趣的是，这个模型在解释时变得如此详细。相比之下，GPT-4o 在测试中犯了错误，假设只有一个姐妹。

然而，具有推理能力的 o1 这个问题答对了。这提醒我们，如果问题需要深入思考，可以切换到像 o1 这样的推理模型。

在 AI 模型的早期测试中，很明显像这样的简单问题常常揭示出它们设计中的隐性问题。从数字错误、逻辑缺陷到模式识别差，这些问题突显了 AI 需要改进的领域。

最后的想法

DeepSeek R-1 在回答棘手问题方面表现出色。我真的很印象深刻。它展示了能够深入思考问题并清晰解释答案的能力。它的内部独白实际上很有趣，花时间逐步分析每个问题。这种推理能力在其他开源 AI 模型中是看不到的。

让我真正感到惊讶的是，DeepSeek 在这样一个低成本的开源项目中竟然如此强大。它并不完美，我并不是说它已经准备好取代像 o1 或 Claude 3.5 这样的模型。但根据这些结果，它绝对是一个严肃的竞争者。我可以想象 OpenAI、Google 和 Anthropic 的高管们现在有些紧张。