滑铁卢大学 Yuntian Deng 做的 o1 模型乘法正确率的概率图。之前的gpt-4o 模型大概只在3位数乘法上正确率较高，而o1模型在9位数乘法内作对的概率都比较高，但更高就不行了，而且计算大位数乘法时消耗的tokens会急剧增加（图3）。

另外Yuntian Deng 也提出这种问题对大模型也不是不能解决，他们自己搞过一个基于gpt2的模型，可以实现很高的正确率（图4）