# 大模型还是不会算数、活在旧数据里，我们只是用外挂把坑填上了

> 原标题：LLMs Are Still Toxic, Stuck in the Past, and Bad at Math

- 来源：Hacker News 首页
- 发布时间：2026-07-24T12:51:13.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46361
- 原文：https://www.eyosias.dev/blog/llms-are-still-toxic-and-bad-at-math

## 摘要

作者拿 GPT Sol High 跑了 200 道加法，错了一道。模型不是在算，是在猜下一个数字长什么样。ChatGPT 能算对，是因为外面的程序把题目丢给了 Python 脚本。文章顺着这个思路拆了另外三个老毛病：知识停在训练截止日，靠外挂资料库（RAG）补；上下文窗口有限；模型骨子里还是有毒。真正的进步不在模型本身，而在包在它外面的那层工具。

## 推荐理由

作者用200道加法只错一题的测试说明大模型靠猜而非计算，并梳理知识过时、上下文有限、内容有毒三个老问题，指出补上这些坑的是模型外的工具层。

## 锐评

200 道加法错一道，这成绩不差，问题是它压根没在算，是在猜下一个数字长什么样。ChatGPT 能对，是因为外面套了个 Python 脚本。所以 benchmark 分数涨得再好看，涨的也是 scaffold 不是模型。我写 agent 也是这个体感，任务能跑通靠的是外面那层工具和重试逻辑，模型换个版本差别没那么大。别把外挂的功劳记到模型头上。
