ACL 2024论文研究证明大型语言模型（LLM）不能作为基于文本的世界模拟器，GPT-4测试结果显示其模拟状态变化的准确率仅为60%。LLM在处理需要算术、常识或科学知识的复杂转换时表现不佳，研究结果强调了其局限性并建议进一步改进。