规则还是故事，对于与大型语言模型对话，哪个更好的常识表达方式？

本研究考察了GPT、BERT、XLNet和RoBERTa等四个基于预训练语言模型的通感知能力。语言建模及其变体是有效的目标，而双向上下文和更大的训练集是额外的加分项。模型在需要更多必要推理步骤的任务上表现不佳。模型在双重测试用例上表现混乱，表明它们只是在表面上学习通感知而不是深层次的知识。公开了一个名为CATs的测试集。