最新研究发现，GPT-4在模拟基于常识的环境状态变化时准确率仅约60%，远低于人类水平。虽然大模型表现惊人，但尚未具备成为可靠世界模拟器的能力。该研究提出了全新的基准测试方法，量化评估大型语言模型的规划和世界模拟能力，结果显示其在复杂环境推理方面存在明显不足。LeCun也公开支持该结论，强调没有真正的世界模型就无法实现有效规划。