模型Gemma 3 4B
Gemma-3-4B
Google发布的Gemma 3系列40亿参数开源语言模型，适用于研究和下游任务微调
时间轴 (近 90 天)
10月26日
在LLM智能体意见模拟中，智能体对互补问题（将陈述改写为否定形式并将概率p替换为1-p）的回答不满足加和为1的基本要求，这一检验在Qwen3-4B、Llama-3.2-3B和Gemma-3-4B三个小型开源模型上普遍失败。
待验证50%
10月26日
一个包含24个世界的受控基准测试（每个世界恰好有两种可能结果）在所有三个模型（Qwen3-4B、Llama-3.2-3B、Gemma-3-4B）上都再现了互补一致性检验的失败。
待验证50%
10月26日
在最终轮次，平均互补答案方法仅在三个模型中的一个上优于两种原始措辞中较好的那个。
待验证50%
10月5日
SFT 导致的真定理识别能力崩溃现象在四个随机种子上重复实验均观察到，并在 Gemma-3-4B 上复现
待验证50%
全部知识事实 (4)
待验证
在LLM智能体意见模拟中，智能体对互补问题（将陈述改写为否定形式并将概率p替换为1-p）的回答不满足加和为1的基本要求，这一检验在Qwen3-4B、Llama-3.2-3B和Gemma-3-4B三个小型开源模型上普遍失败。
50%待验证一个包含24个世界的受控基准测试（每个世界恰好有两种可能结果）在所有三个模型（Qwen3-4B、Llama-3.2-3B、Gemma-3-4B）上都再现了互补一致性检验的失败。
50%待验证在最终轮次，平均互补答案方法仅在三个模型中的一个上优于两种原始措辞中较好的那个。
50%待验证SFT 导致的真定理识别能力崩溃现象在四个随机种子上重复实验均观察到，并在 Gemma-3-4B 上复现
50%