为什么 LLM 不擅长数饺子？

容易眩晕产生幻觉。你数你也晕。

智能驾驶都 L3 了，GPT 都能像人似的视频通话了，LLM 对图片进行描述时也知道方位。LLM 识别图片时，肯定有每个物品的坐标信息，剩下的工作不是统计一下就行了吗？

@sillydaddy 哈哈，数了不到十个，犯懒直接掏出 AI 想让 AI 让我数，结果发现平日里各个几乎无所不能的 LLM 却没一个能帮我数饺子。

你真把 LLM 当万能答题机了? 有专门数签子的 AI, 想数饺子要么找更强模型要么专门训练

130 个，chatgpt 的答案

你可以用大量的饺子图片去训练一个专属的数饺子 AI ，准确率可以极高, 训练出来的模型也很小，普通电脑都可以跑。

op 饺子包的不错

有数数用的专用模型，倒也犯不着直接用 vl 模型数数

LLM 和 CV 的区别

答案就在标题里，LLM 全称叫 [大型语言模型] （ Large Language Model ）

现在多模态大模型的视觉编码器倾向于提取图像整体特征，对每个物品的坐标定位是差的

因为 LLM 叫语言模型，不叫视觉模型，这个需求你可以找 cv

我放 ChatGPT 去数了，因不能粘贴 AI 答案。
意思说大概在 97 ～ 100 个左右。

@mazyi 一共 81 个,AI 都是瞎编的

我用豆包数了一下，回答是：图中饺子共 86 个。它们整齐地摆放在盖帘上，下面还有一盆饺子馅呢。

人工智障而已，不要抱有侥幸心理。

挺好，以后就拿这个图测试 AI 的智能程度

我发现很多不了解 LLM 的人喜欢把它当作某种神力…数东西就找 cv 嘛

72 个 -> grok

@beixiao 你是南方人吧

有一个 app 可以自动数 竹签数量的（四川火锅串串常用），原理类似吧

@shenyiyouge 不是，北方人

@beixiao #23 吃桌角吗

@LanhuaMa 我们那吃桌，不吃桌角

@beixiao #23 青岛，在我们这里饺子包成这样要挨骂的

81=>我

说明大规模语言模型+视觉模块的能力做的还不够优秀。

很简单，没有训练过这么多饺子图+饺子数答案的问答。
即使抓遍互联网，估计也没有多少这两的训练素材。

如果要追求准确，可以自己编写几十万个素材集训练，应该可以有效果

> The image has been displayed. To count the number of dumplings in the image, I'll need to apply image processing techniques. Let me analyze it for you.
>
> The image contains approximately 941 dumplings. This count is based onthe number of detected contours in the image.

来自 ChatGPT o3-mini

有没有人告诉我正确答案应该是多少个？我懒得数了