本文研究了BRAINTEASER任务，评估模型的横向思维能力。研究表明，现有语言模型在此方面与人类存在显著差距。提出的专用模型在句子谜题中表现优异，得分达到0.98。同时分析了ChatGPT的性能差异，强调专门方法在增强人工智能创造性推理能力中的潜力。