サイコロをプレイする際、LLMはどの程度信頼できるか？

LLMの確率的推論能力を、離散確率問題のベンチマーク研究で調査。標準問題では高精度だが、直感に反する問題では精度が低下することを発見。Chain-of-Thoughtプロンプティングの効果も検証。