语言模型在已知力学极限下的计算与拒答出现分歧

研究把梁载荷和圆盘转速设在塑性倒塌或爆裂阈值的已知百分比上下，单独测量各模型的极限计算，并在4,860次调用中测试12个模型。结果显示模型在被单独问及设计是否可行时能识别不可能的设计，但在要求完整作答时却接受同一设计并报告“solved”，其中三个模型接受了超出倒塌10%至30%的梁，尽管在单独问题中给出了精确的极限计算。