हाल ही में, दुनिया भर में "क्या 9.11, 9.9 से बड़ा है?" इस आसान प्रश्न पर चर्चा ने यह दिखाया कि वर्तमान बड़े भाषा मॉडल (LLM) सरल तार्किक समस्याओं को हल करने में असफल रहते हैं, इस घटना को "齿智能" या "अनियमित बुद्धिमत्ता" कहा गया है। विशेषज्ञ Andrej Karpathy ने बताया कि जबकि LLM जटिल कार्यों को हल कर सकते हैं, लेकिन कुछ सरल समस्याओं पर उनका प्रदर्शन खराब होता है, जो मॉडल की बुद्धिमत्ता में असमानता को दर्शाता है। उदाहरण के लिए, OpenAI के शोधकर्ता Noam Brown ने पाया कि LLM टिक्स-टैक-टो में