有了 agent 这种范式之后，语言大模型就不会算错基本的计算题了

1 、各家后训练的算法技巧提升了。导致最终输出更加贴合用户的需求。
2 、AI 工具的能力逐渐丰满，让 LLM 不再是两眼一抹黑。

当初有这个问题有很多个维度的理解。
1 、为了占领市场（凸显效果好），各家都会有意的让模型随机性加大。
2 、各家的工具都太粗糙，一开始连联网能力都没有。普通人根本没有能力提供给 LLM 合理的上下文。就像是你的女朋友跟你说“我的那个在哪里”，你怎么答都是错的。
3 、模型预训练没形成范式，全靠大力出奇迹，没有基础认知这个概念。

接入一个 mathematica 的 skill/mcp 你甚至可以让 agent 准确无误地计算不定积分，只要 llm 足够聪明找得到正确的工具调用。

以我浅薄的理解，LLM 对于数据计算不正确，更多的原因可能是分词导致的。

比如 1.0999 在分词的时候，有可能被分成

1.0
999

两个 token

符号推理是比较古老的技术了，现在是神经网络，同一个输入并在种子不同时输出就不同

其实万变不离其宗，依然是 next token prediction ，只不过优秀的训练数据让模型能够分辨了

以前都说 LLM 是推理下一个字符，所以有可能算错 10+11 这种最基本的计算题。

你说是就是？这个因果是你自己想当然定义的？先定义了一个错的 A ，反推出一个正确的 B 。