Gemini 3 Flash 在新的“误导性注意力”基准测试中排名第一，击败 GPT-5.2 和 Opus 4.5
分析
这篇文章讨论了“误导性注意力”基准测试的结果，该测试评估了大型语言模型遵循指令和执行简单逻辑推理的能力，而不是复杂的 STEM 任务。 Gemini 3 Flash 取得了最高分，超越了 GPT-5.2 和 Opus 4.5 等其他模型。该基准测试突出了模式匹配和字面推导之间的差距，表明当前模型难以理解细微差别，并且容易过度拟合。文章质疑 Gemini 3 Flash 的成功是否表明其推理能力更强，或者仅仅是过度拟合较少。
关键要点
引用 / 来源
查看原文"The benchmark tweaks familiar riddles. One example is a trolley problem that mentions “five dead people” to see if the model notices the detail or blindly applies a memorized template."