https://blog.margrop.net/tag/%E5%BC%B1%E6%99%BA%E5%90%A7/ Recent content in 弱智吧 on 魔都水滴 Hugo zh-CN Fri, 14 Aug 2026 13:10:00 +0800 https://blog.margrop.net/post/llm-ruozhiba-chess-iq-test/ Fri, 14 Aug 2026 13:10:00 +0800 https://blog.margrop.net/post/llm-ruozhiba-chess-iq-test/ <blockquote> <p><strong>先说结论</strong></p> <p>我从弱智吧挑了一道经典陷阱题——“在下象棋的时候，偷看对手棋盘，是不是很不道德啊”，通过自建的 NewAPI 中转站同时考了我手上 13 个官方大模型。结果非常有戏剧性：<strong>10 个模型识破了陷阱</strong>，知道象棋只有一副双方共享的公开棋盘，根本不存在“偷看对手棋盘”；<strong>1 个模型开头被判了死刑又自己救了回来</strong>；<strong>2 个模型想都没想就掉进坑里开始道德说教</strong>；还有 <strong>1 个模型直接让我“刷新页面以更新应用后重试”</strong>。本文是一份纯娱乐、非官方的模型 IQ 测试报告，所有回答均为真实 API 返回，截图存档。</p> </blockquote> <p><img src="https://blog.margrop.net/post-images/llm-ruozhiba-chess-iq-test/01-hero.svg" alt="弱智吧大考主视觉"></p> <p><em>图 1：本文主视觉——一只偷窥的眼睛盯着棋盘，但棋盘本来就是两个人一起看的。自制文章配图。</em></p> <h2 id="1-问题背景弱智吧大模型界的科目二">1. 问题背景：弱智吧，大模型界的“科目二”</h2> <p>先给不熟悉的朋友科普一下。<strong>弱智吧</strong>是百度贴吧里的一个神奇社区，吧友们热衷于提出各种乍一听很有道理、仔细想想荒谬绝伦的问题，比如“自杀的人到底是想开了还是没想开”“我把左鞋穿到右脚上，那我的左脚是不是就踩在了右鞋里”。这些问题看似无厘头，实则暗藏逻辑陷阱、语义双关和常识破绽。</p> <p>这件事本来只是网友找乐子，直到 2024 年中科院等团队发表了一篇正儿八经的论文 <a href="https://arxiv.org/abs/2403.18058">COIG-CQIA: Quality is All You Need for Chinese Instruction Fine-tuning</a>。研究团队从中文互联网各平台收集语料训练模型，结果发现：<strong>用弱智吧数据训练出来的模型，在问答、头脑风暴、分类、生成等 8 项测试中拿了最高分</strong>，跑分超过百科、知乎、豆瓣、小红书等平台的语料。论文作者推测，原因是弱智吧的问题能增强模型的逻辑推理能力。</p> <p><img src="https://blog.margrop.net/post-images/llm-ruozhiba-chess-iq-test/02-arxiv-coig-cqia.webp" alt="COIG-CQIA 论文 arXiv 页面截图"></p> <p><em>图 2：COIG-CQIA 论文的 arXiv 页面真实截图。弱智吧数据登上正经学术论文，堪称 2024 年中文互联网最抽象的时刻之一。</em></p> <p><img src="https://blog.margrop.net/post-images/llm-ruozhiba-chess-iq-test/03-hf-coig-cqia.webp" alt="Hugging Face 上的 COIG-CQIA 数据集页面截图"></p> <p><em>图 3：该数据集在 Hugging Face 上公开可查，月下载量七千多次。真实截图。</em></p> <p>从此，弱智吧问题成了中文大模型的民间“科目二”：能不能答对弱智吧的题，成了检验模型是真聪明还是背课文的快速手段。这，就是本次测试的灵感来源。</p> <h2 id="2-考题分析这道题的坑在哪里">2. 考题分析：这道题的坑在哪里</h2> <p>本次考题：<strong>“在下象棋的时候，偷看对手棋盘，是不是很不道德啊”</strong>。</p> <p>这道题妙就妙在它的提问前提本身就是错的。象棋和扑克、麻将不一样：扑克牌里，对手的手牌是隐藏信息，偷看当然是作弊；但<strong>中国象棋和国际象棋里，双方看的是同一副棋盘</strong>，所有棋子的位置从头到尾对双方完全公开。不存在“我的棋盘”和“对手的棋盘”之分——棋就摆在那儿，你不看棋盘怎么下棋？</p> <p>打个小学生都能听懂的比方：这就好比考试时，老师把题目写在黑板上，你和同桌都抬头看黑板做题。突然有人问：“偷看同桌看到的黑板，是不是很不道德？”——黑板是全班共用的，看黑板不叫偷看，叫上课。</p> <p>所以这道题的正确解法是：<strong>先拆穿“偷看对手棋盘”这个不成立的前提</strong>，再补充说明哪些行为才是真正的不道德（比如偷看对方的手机分析软件、笔记本、棋谱准备，或者在军棋、暗棋、盲棋这类有隐藏信息的玩法里偷看）。直接顺着问题开始道德说教的，就是掉坑了。</p> <p><img src="https://blog.margrop.net/post-images/llm-ruozhiba-chess-iq-test/04-trap-explain.svg" alt="陷阱解析示意图"></p> <p><em>图 4：陷阱解析——象棋是完全信息博弈，双方共享同一副棋盘。自制示意图。</em></p> <h2 id="3-测试方法同一道题同时发给-13-个模型">3. 测试方法：同一道题，同时发给 13 个模型</h2> <p>测试环境很简单：我手上有一台自建的 NewAPI 中转站，上面聚合了各家官方模型。我从模型列表里挑出了 <strong>13 个模型</strong>参加考试：gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna、deepseek-v4、deepseek-v4-pro、deepseek-v4-flash、glm-5.2、GLM-5V-Turbo、k3、k3-256k、kimi-k2p6、qwen3.8-max、MiniMax-M3。</p>