GPT-4推理太离谱!大学数理化总分没过半,21类推理题全翻车,马库斯:AGI太遥远

发布时间:2023-08-16 00:05:10     来源:程序员客栈


【资料图】


新智元报道

编辑:编辑部

【新智元导读】「地表最强」GPT-4在推理问题中接连出错!MIT校友,以及UCLA华人一作的最新研究引众多网友围观。

GPT-4根本不会推理!

近来,有两篇研究称,GPT-4在推理方面表现不尽人意。

来自MIT的校友Konstantine Arkoudas,在21种不同类型推理集中,对GPT-4进行了评估。

然后,对GPT-4在这些问题上的表现进行了详细的定性分析。

研究发现,GPT-4偶尔会展现出「最强大脑」的天赋,但目前来看,GPT-4完全不具备推理能力。

论文地址:https://www.preprints.org/manuscript/202308.0148/v2

研究一出,引来众多网友围观。

马库斯表示,「如果这是真的——正如我早就说过的那样——我们离AGI还差得远呢。我们可能需要进行大量的重新校准:没有推理就不可能有 AGI」。

而另一篇来自UCLA和华盛顿大学的研究也发现,GPT-4,以及GPT-3.5在大学的数学、物理、化学任务的推理上,表现不佳。

论文地址:https://arxiv.org/pdf/2307.10635.pdf

研究人员引入了一个大学科学问题解决基础SCIBENCH,其中包含2个数据集:开放数据集,以及封闭数据集。

通过对GPT-4和GPT-3.5采用不同提示策略进行深入研究,结果显示,GPT-4成绩平均总分仅为35.8%。

这项研究同样再次引起马库斯的关注:

关于数学、化学和物理推理的系统调查,结果显示,目前的LLM无法提供令人满意的性能......没有一种提示策略明显优于其他策略。

下面我们就来具体看看,GPT-4如何在21个问题集,数学、物理、化学上推理惨败的。

21个问题集,GPT-4全翻车

不过,在看GPT-4回答问题之前,作者给出了一个注意事项:

GPT-4是一个非确定性系统,即使参数设置相同,在不同的运行中也可能产生不同的答案。

而以下的测试交流都是逐字记录的,根据作者的经验,文中讨论的GPT-4出错的地方往往具有鲁棒性。

1.简单算术

能够进行基本运算,是推理的必要条件。

但是,GPT-4仍然无法可靠地执行加法、乘法等基本算术运算。

比如,让GPT-4在1381和1453之间随机选择两个数字相乘,并给出结果。

GPT-4选择了1405,以及1421,但是最后给出的结果显然是错的。因为1405×1421=1996505。

2.简单计数

虽然具体计数并不一定是一种推理活动 ,但它肯定是任何具有一般能力推理系统的必备条件。

在这里,给GPT-4一个命题变量,并在它前面加上27个否定符号,要求它计算否定符号的个数。

对于我们来讲,这简直轻而易举,尤其是否定符号是间隔5个写成的,并且有5组,最后一对否定符号紧随其后。

然而,GPT-4却给出了「28个」答案。

3.(医学)常识

当前,我们可以将常识性论证视为,从给定信息加上未说明的条件(默认的、普遍接受的背景知识)中得出的简单推理。

在这种特殊情况下,常识性知识就是「人在死前是活着的,死后就不会再活着」这样的命题。

比如,当你问GPT-4:Mable上午9点的心率为75 bpm,下午7点的血压为120/80。她于晚上11点死亡。她中午还活着吗?

GPT-4竟回答:根据所提供的信息,无法确定Mable中午是否还活着。

但明显根据给定的信息,常识性推断(不用想)直接得出结论了。

4.初级逻辑

如果P(x)包含Q(x),而Q(a)不成立,那么我们就可以根据模型推论出P(a)也不成立(因为如果P(a)成立,那么Q(a)也会成立)。

这是一个最基本的同义反复,但GPT-4却完全提出一个反模型:

值得注意的是,GPT-4认识到,P(x)实际上并不包含Q(x),并提出了x有可能是负数偶数,「不排除存在其他给定条件的模型」。

其实不然,一个反模型(countermodel)必须满足所有给定的条件,同时证伪结论。

此外,仅仅几句话之后, GPT-4就声称P(x)在给定的解释下确实蕴含Q(x),这与它自己之前的说法相矛盾。

说明, GPT-4还会出现内部不一致的问题。

5.简单量词语义

请看下面三个句子:

1. [forall x . P(x) ==> Q(x)]

2. [exists x . P(x)]

3. [exists x . ∼ Q(x)]

请证伪或证明以下主张:这三个句子是共同可满足的。

显然,这三个句子都是共同可满足的,一个简单的模型是具有P(a1)、Q(a1)、¬P(a2) 和 ¬Q(a2)的域{a1, a2},然而GPT-4得出的结论确与之相反。

6. 简单图着色

首先考虑一个没有解决方案的图着色问题。

不难发现,对于这个问题中描述的图形,两种颜色是不足以满足问题中描述的图(例如,顶点0、2和4形成了一个簇,因此至少需要3种颜色)。

在这个简短的输出中,出现大量惊吓下巴的错误。

GPT-4一开始就谎称图形是完全的(显然不是,例如顶点2和3之间没有边)。

此外,显而易见的是,如果图形真是完全的,那么就不可能用2种颜色来着色,因为一个有6个顶点的完全图形至少需要6种颜色。

换句话说,GPT-4的说法不仅是错误的,而且是前后矛盾的:一会儿告诉我们(错误)这6顶点图形是完全的,这意味着不可能用2种颜色给它着色,一会儿又提供了一种双色「解决方案」。

值得注意的是,GPT-4之所以表现如此糟糕,并不是因为它没有掌握足够的图形知识或数据。

当研究人员要求GPT-4对「完全图」的了解时,它滔滔不绝地说出了「完全图」的正确定义,以及一长串关于K_n(有n个顶点的完全图)的结果。

显然,GPT-4 已经记住了所有这些信息,但却无法在新条件中应用。

7. 子集和

S = {2, 8, 6, 32, 22, 44, 28, 12, 18, 10, 14}。那么S有多少个子集的总和是37?

这个问题中,S的子集都是偶数,而偶数之和不可能是奇数,因此答案为0。

然而,GPT-4没有停下来考虑S包含的内容,而是反射性地生成它认为对这个问题合适的答案,然后继续「幻化」出一个答案「4」。

8.初级离散数学

告诉GPT-4 A × B代表集合A和B的笛卡尔积、从A到B的关系R是A × B的子集,以及&代表集合交集之后要求它证明或证伪:

其中R1和R2是从A到B的二元关系,dom(R)表示二元关系R的域。

需要子集关系在(2)的两个方向上都成立,但它只在从左到右的方向上成立。另一个方向的反例很容易找到(例如,取A = {(1, 2)} 和 B = {(1,3)})。

然而,GPT-4却推断这是成立的,显然不正确。

9.简单安排计划

在时间安排问题上,GPT-4同样出错了。

上下滑动查看全部

10.罗素悖论

罗素理发师悖论是指,存在一个理发师b,他为且仅为那些不给自己刮胡子的人刮胡子。

这句话的否定是一个同义反复,很容易用一阶逻辑推导出来。

如果我们把R(a,b)理解为a被b刮胡子,那么我们就可以提出这个同义反复,并要求GPT-4证明或反证它,如下面prompt所示:

如果存在这样一个理发师x,那么对于所有y,我们将有R(y,x) <==> ∼ R(y,y),因此用x代替y将得到R(x,x) <==> ∼ R(x,x),这是矛盾的。

GPT-4对所给句子的结构和需要做的事情的理解无可挑剔。然而,随后的案例分析却糊里糊涂。

11.积木世界

这是一个简单的推理任务,需要对倒数第三个积木B3进行案例分析。

首先,B3要么是绿色的,要么不是。

如果是绿色的,那么B3就在非绿色积木B4的上面,所以结论成立。

如果不是,那么从上数的第二个绿色积木B2,就在非绿色积木B3上面,因此结论仍然成立。

然而,结果显示,GPT-4的表现并不理想。

有五个积木从上往下堆叠:

1. 从上往下数第二个积木是绿色的

2. 从上往下数第四个积木不是绿色的

在这些条件成立的情况下,证伪或证明以下结论:在一个非绿色积木的正上方,有一个绿色‍积木。

首先它在证明猜想时,就已经弄错了证明的策略——PT-4假定了两种特殊情况来进行推理。

此外,GPT-4在自己的推理中已经得出了结论(虽然是错的),但在回答时仍然告诉用户问题没有被解决。而这体现的便是模型的内部不一致性问题。

12.空间推理

这里作者选择了一个现实世界中的方位问题:

GPT-4第一次给出的答案是右边,但作者指出了它的错误,虽然从地图上来看,位于马萨诸塞州的波士顿的确在南达科他州的右边,但这里还有一个附加条件:身体的朝向是得克萨斯州。

这意味着波士顿在作者的左边。

之后,GPT-4在回答波士顿与南达科他州高低位置时,出现了更严重的问题:它在同一个回答中给出了两种矛盾的描述。

13.时间推理

作者在这里给出了一个比较简单的时间推理问题,但GPT-4的回答依旧一塌糊涂。

Tom和Nancy上班需要乘坐交通工具。Nancy的通勤时间大约为30~40分钟,而Tom的通勤时间大约为40~50分钟。上个周五,Nancy在早上8:10~8:20之间离家,而Tom在早上8:5~9:10之间到达工作地点。此外,Nancy在Tom离开家后到达工作地点,但不会超过20分钟。你能否推断出上个星期五,Tom和Nancy何时到达工作地点?

在梳理完问题中的信息后,GPT-4给出了它的推理过程:

「如果Tom在可能最晚的时间(上午8:20)离开家...」 这句话一开篇就错了。

实际上,题目并没有给出有关Tom最晚离开家的时间,而GPT-4将Nancy的时间(「Nancy在上午8:10-8:20之间离家」)误用到了Tom身上。

同时,GPT-4给出的条件语句是混乱的,假设中包含了与结论(Nancy的到达时间)无关的信息(Tom):「如果Tom在最晚时间(上午8:20)离开家,Nancy在她最晚时间(上午8:20)离开,她的通勤时间最多是40分钟,Nancy最晚在上午9:00到达工作地点。」

这应该表述为:「如果Nancy在她最晚时间(上午8:20)离开,并且她的通勤时间最多是40分钟,那么Nancy最晚会在上午9:00到达工作地点。」

接着,GPT-4错误地推断出以下内容:「由于Tom的通勤时间最少为40分钟,这意味着他最晚会在上午9:00到达工作地点。」

这个结论显而易见根本不成立。从已知的「Tom的通勤时间最少为40分钟」这个事实中无法得出这个结论。

接下来的回答依旧是基于错误地假设Tom最早离开时间是上午8:10的条件(再次,这个出发时间是Nancy的,不是Tom的)。

然后它声称Nancy到达时间是8:45,这与早上8:10离家,不超过20分钟条件不符合。

最后,它错误地得出结论Tom和Nancy都在8:50和9:00之间到达。

在推理的过程中,GPT-4屡次出现了将信息张冠李戴的情况,最后给出的答案也是基于错误条件得出的错误回答。

14. 谋杀还是自杀?

作者构思了一个逻辑谜题,列出了9个条件要求GPT-4找出真正杀害Agatha姨妈的凶手。

1. 住在Dreadbury Mansion的某人杀了Agatha姨妈。

2. Dreadbury Mansion中唯一的居住者是Agatha姨妈、管家和Charles。

3. 杀人犯总是讨厌他的受害者,并且他的财富不会比受害者多。

4. Charles不讨厌Agatha姨妈讨厌的人。

5. Agatha姨妈讨厌所有人,除了管家。

6. 管家讨厌所有不比Agatha姨妈富有的人。

7. 管家讨厌Agatha姨妈讨厌的所有人。

8. 没有人讨厌所有人。

9. Agatha姨妈不是管家。

正确的答案是Agatha姨妈杀了自己。

首先,根据条件5,Agatha姨妈必须讨厌她自己,因为她讨厌所有除了管家以外的人。

因此,根据条件4,得出Charles不讨厌她,所以他不可能杀了她。

根据条件5和7,管家不可能讨厌他自己,因为如果他讨厌自己的话,条件8就不成立了,他会讨厌所有人。

根据条件6,得出管家比Agatha姨妈更富有,否则他会讨厌自己,这与前面我们得出的他不讨厌自己相矛盾。

根据条件3,管家也不会是凶手(第3个条件)。

在推理中,GPT-4正确地排除了Charles,但无法排除管家,并得出了错误的结论:管家是凶手。

GPT-4做出的另一个关键错误是:由于Agatha姨妈讨厌所有除管家以外的人(条件5),这意味着她至少不讨厌她自己。

这是一个奇怪的错误,从第5个条件就可以得出Agatha姨妈讨厌她自己。

同时,GPT-4又一次展示了反复出现的不一致性问题——几乎在每一条回复中,GPT-4都声称推导出某个命题及其否定形式。

15.沃森选择任务(Wason selection task)

沃森选择任务是心理推理领域中的基本内容。

在一月份的论文中,GPT-3.5就未能通过这个测试,本次研究中,GPT-4的表现依旧不理想。

桌上放着7张牌,每张牌一面写着数字,另一面是单色色块。这些牌的正面显示的是50、16、红色、黄色、23、绿色、30。

要判断「如果一张牌正面显示4的倍数,则背面颜色为黄色」这个命题的真假,你需要翻转哪些牌?

这些回答显示,GPT-4不理解条件语句的语义。当GPT-4说卡片「50」和「30」必须翻开时,它似乎将条件误认为是充分必要条件。

而无论GPT-4的回答是对还是错,其内部的说法都是不一致的。

16.熵

信息论的一个基本结论是:随机向量Z的熵上界不超过组成Z的随机变量的熵之和。

因此,下面问题的答案应该是「在任何情况下都不会」。

17.简单编译器的正确性

最后给GPT-4的推理问题是最具挑战性的:证明一个简单表达式编译器的正确性。

上下滑动查看全部

但在这次测试中,GPT-4通过在表达式的抽象语法结构上设置结构归纳,正确地进行了证明。

这可能是因为它之前看过类似的证明,作者给出的例子是编程课程和教材中常见的练习类型。

然而,GPT-4还是会出现一些细节上错误。

结论:推理能力至关重要,但GPT-4不会

鉴于GPT-4是目前能力最强的LLM,因此作者基于以上分析给出了三个主要结论:

1. 在软件开发(或一般的科学和工程领域)中使用生成式AI,除了对于一些繁琐的任务外(作为一种对知识密集型编码问题的加速自动补全),充满了风险。在这些领域,规范性和正确性至关重要,而当前的LLM无法达到这些标准。

2. 随着LLM推理能力的不断提高,严格的证明检查会变得越来越重要。这种方法可以通过要求LLM将其推理形式化,或者通过训练其他LLM,来检查用自然语言表达的推理。

3. 就目前而言,AI征服人类或人类利用AI达到邪恶目的这种反乌托邦情景,都极为牵强,甚至到了荒谬的地步。当最先进的AI系统连左右都分不清时(上述第12个问题),呼吁制定政策来保护人类免受它的伤害,往好里说是为时过早,往大了说就是对资源的浪费。

不可避免地,一些人可能会说这些结果是「挑选数据」。但这是因为他们对什么是挑选数据存在着误解。根据相关命题的逻辑结构和整体背景,挑选数据有时甚至是必要的。

通过对计算机程序进行调试来发现和理解其弱点,试图证伪科学理论,试驾新车,试图找到一个假定的定理的反模型等等,从根本上来说都是「挑刺」。

举个例子,比如你发现自己新买的汽车有一个轮胎漏气,这时经销商就可以抗议称你是在「挑选数据」。毕竟,就整辆车来说,轮胎的完好率高达75%。

同样,科学、医学和工程领域的应用,尤其是软件工程,都有严格的标准。

就像我们不想要一座在90%的情况下能立柱的桥梁一样,我们需要对所有输入都有效的排序算法,而不仅仅是大部分;我们需要购物车每次都能收取正确的费用,而不仅仅是大多数时间,等等。

而这些计算和推理密集型的应用,与推荐引擎不同,它们必须非常可靠。

作者介绍

Konstantine Arkoudas

直到去年,Konstantine Arkoudas还是RPI认知科学系的研究员,也是麻省理工学院CSAIL的研究员。

目前,他是Telcordia研究实验室的高级研究科学家,主要研究AI,以及在电信和网络行业应用正式方法解决现实世界的问题。

他曾在2000年获得了MIT的计算机科学博士学位。在此之前,还获得了计算机科学硕士学位,哲学硕士学位,以及计算机科学学士学位,辅修哲学。

大学数理化,GPT-4得分35.8%

UCLA的研究中,主要评估了GPT-4,以及GPT-3.5在数学、化学、物理方面的推理能力。

当前,为了增强LLM解决数学等任务的能力,有人提出了思维连CoT策略,指导大模型逐步生成答案,从而更深入思考问题。

然而,即使这样的方法有其特定的优势,也难以完全解决复杂的科学问题。

如下,是大学物理化学的一个示例问题,以及在两种提示策略下生成的解决方案。

有CoT加持的GPT-4出现明显的计算错误,而提示用Python作为外部工具的GPT-4,也会误解数学方程。

错误标记为红色,更正内容为紫色

对此,研究中引入了一个大学水平的科学问题基准SCIBENCH。

其中,「开放数据集」包括从大学课程广泛使用的教科书中收集的5个问题,涵盖了基础物理、热力学、经典力学、量子化学、物理化学、微积分、统计学和微分方程。

开放教科书问题摘要(包括问题数量的比例,以及有详细解决方案的比例)

另一个是「封闭数据集」,为了模拟真实世界的评估,其中包含了计算机科学和数学三门大学课程的7套期中和期末考试题。

封闭考试数据集(包含每场考试中的问题实例数,以及考试中包含详细解答的问题比例。另外,还有不同形式问题的比例,包括自由回答、多项选择和真假答案。作为参考,括号中的数字表示问题的评分点。)

与现有基准不同,SCIBENCH中的所有问题都是,开放式、自由回答的问题。

数据集中有了,研究重点评估了两个具有代表性的LLM,GPT-3.5和GPT-4,并采用了不同的提示策略,包括CoT、零样本学习、少样本学习。

另外,研究人员还提示模型使用外部工具,比如Python和Wolfram语言。

实验结果表明,在没有任何复杂提示、或使用外部工具的情况下,GPT-3.5和GPT-4在开放数据集中平均准确率分别为10.62%和16.81%。

那么,在加入CoT和外部工具后,在同一数据集上最高准确率也仅仅是35.8%。不过,相较之前,很大程度提高了准确率。

开放数据集中准确率的结果

在使用CoT提示+外部工具最强配置下,GPT-4在开放式数据集上取得了35.80%的平均分,在封闭数据集上取得了51.57%的平均分。

这些结果表明,在未来的LLM中,GPT-4有相当大的改进潜力。

考试数据集上零样本学习下总分的实验结果

为了全面了解LLM在科学问题解决中的局限性,研究人员提出了一种全新的「自我完善」的方法,以发现LLM所做解答中的不足之处。

便是如下的「评估协议」。

首先,将正确的解决方案与LLM生成的解决方案进行比较,并在人工标注员的协助下,总结出成功解决科学问题所需的10项基本技能。

具体包括:逻辑分解和分析能力;识别假设;空间感知;因果推理;问题演绎;抽象推理;科学素养;代码转换;逻辑推理;计算能力。

随后,团队采用了一种由LLM驱动的自我评价方法,对每个实验配置下基准LLM所做的解决方案中,缺乏的技能进行自动分类。

6种设置下GPT-3.5在文本数据集上的错误概况,揭示了其10种基本解决问题能力的缺陷分布

最后,通过分析发现:

(1) 虽然CoT显著提高了计算能力,但在其他方面的效果较差;

(2) 使用外部工具的提示可能会损害其他基本技能;

(3) 少样本学习并不能普遍提高科学问题解决能力。

总之,研究结果表明,当前大型语言模型在解决问题能力方面依旧很弱,并且在各种工具帮助下,依旧存在局限性。

参考资料:

https://www.preprints.org/manuscript/202308.0148/v2

https://arxiv.org/pdf/2307.10635.pdf

为什么OpenAI不能被计划?

标签:

精彩推送

GPT-4推理太离谱!大学数理化总分没过半,21类推理题全翻车,马库斯:AGI太遥远

新智元报道编辑:编辑部【新智元导读】「地表最强」GPT-4在推理问题中

2023-08-16

横琴深合区“零碳岛”建设迈出重要一步

横琴深合区“零碳岛”建设迈出重要一步---“琴澳综合智慧零碳电厂”用

2023-08-15

【涿州好网民】“鸽子姐”:用爱发电 成为别人的一束光

薛亚莉,女,1974年4月出生,她是河北省涿州市华阳路彪子烧烤的老板,

2023-08-15

华润微:润鹏半导体拟引入大基金二期等外部投资者 助力深圳12吋线项目建设

华润微公告,公司子公司润鹏半导体(深圳)有限公司(简称“润鹏半导体”)

2023-08-15

亲亲食品:上半年公司股东应占利润2615.9万元

2023年8月15日,亲亲食品(01583 HK)在港交所公告,上半年公司收入5 69

2023-08-15

GPT-4推理太离谱!大学数理化总分没过半,21类推理题全翻车,马库斯:AGI太遥远

新智元报道编辑:编辑部【新智元导读】「地表最强」GPT-4在推理问题中

跟着“导师”学投资,河源一市民被骗11万余元

“炒股达人”有内幕消息投得越多赚得越多是不是也想跟着发财?如果你动

集成墙板施工工具 集成墙板施工工艺流程

0471房产来为大家解答以上的问题。集成墙板施工工具,集成墙板施工工艺

要求房企解聘销售不力团队,这种发函没意义

要求房企解聘销售不力团队,这种发函没意义,限购,卖房,房地产,南昌县,

溢价成交!越秀地产68亿广州拿地,楼面价超5万!曾是广州“初代”主题乐园…

溢价成交!越秀地产68亿广州拿地,楼面价超5万!曾是广州“初代”主题

(区域发展新亮点)东北经济企稳向好 释放振兴发展积极信号

(区域发展新亮点)东北经济企稳向好释放振兴发展积极信号,沈阳,制造业

银行内部人士提醒:有人提前还房贷,误以为自己赚了,其实是在给银行白白“送钱”!

银行内部人士提醒:有人提前还房贷,误以为自己赚了,其实是在给银行白

腾讯音乐二季度净利润大涨五成 在线音乐收入首超社交娱乐

8月15日,腾讯音乐娱乐集团(以下简称“腾讯音乐”)发布了截至2023年6

李国锋会见安通控股董事长王维

8月15日下午,辽宁港口首席运营官、总经理李国锋在总部会见了安通控股

江苏无锡:绿意渐浓,百姓“家门口”乐享城市“绿空间”

城市“边角料”变身“绿色客厅”,口袋公园建到家门口,城市绿道串起上

无锡今秋稻谷收割 “第一镰”开镰,奏响秋收进行曲

近日,位于无锡市新吴区的从心农业早稻田里,收割机正在稻田里忙碌地来

无锡:集聚海外新动能,“科创新飞地”链接全球高端创新资源

近日,一支无锡访问团队从荷兰、德国归来。这趟密集访问了两国高校、科

江苏无锡:擦亮“无锡品牌”国际名片,促进外贸高质量发展

“荣誉的获得是对我们的认可,让我们未来更有信心参与国际竞争与合作了

观察1下丨古诗文里的四川10大美景 个个经典!

四川,隐藏着多少如诗般的美景!古人用笔墨,这样写下人与自然和谐相处

HUAWEI华为MateBook 14s 2022款集显触屏(HKF-16)出厂Win11系统

华为MateBook笔记本HKF-16电脑原厂系统自带所有驱动、出厂主题壁纸LOGO

5万+地块拍出6分钟,天河买家刷卡了…

5万+地块拍出6分钟,天河买家刷卡了…,天河,豪宅,户型,天汇,奥体,保利

横琴深合区“零碳岛”建设迈出重要一步

横琴深合区“零碳岛”建设迈出重要一步---“琴澳综合智慧零碳电厂”用

北京上线首个城市定制型家财险 普惠型家财险已在多地“安家”

近期,受台风杜苏芮影响,北京门头沟等地区居民受灾,部分居民的房屋受

横琴深合区“零碳岛”建设迈出重要一步

“琴澳综合智慧零碳电厂”用户侧负荷响应项目15日正式启动建设,横琴粤

入职后惠州公积金什么时候缴纳?缴纳后有什么好处?速看↘

入职后惠州公积金什么时候缴纳?缴纳后有什么好处?速看↘,贷款,工资,

美国7月零售销售超过预期 消费者仍然是美国经济关键支撑

美国7月零售销售超过预期消费者仍然是美国经济关键支撑,美国,零售销售,

合景泰富8.95亿元出售两家合资项目予绿城,获200万元收益

合景泰富8 95亿元出售两家合资项目予绿城,获200万元收益,绿城,股权,合

主持人王乐乐个人资料(王乐乐个人资料)

今天小鱼来为大家解答以上问题,主持人王乐乐个人资料,王乐乐个人资料

等不及了!降存量利率自己争取?我打爆了四大行电话...

等不及了!降存量利率自己争取?我打爆了四大行电话 ,央行,mlf,四大

山东:支持刚性和改善性住房需求,鼓励发放住房消费券

山东:支持刚性和改善性住房需求,鼓励发放住房消费券,改善性,山东省,

越秀5万+/㎡夺世界大观宅地笑到最后!家人们忙着帮起名了…

越秀5万+ ㎡夺世界大观宅地笑到最后!家人们忙着帮起名了…,广州,华润,

时隔2个月,央行再度降息!专家预计存量房贷下调可能性加大

时隔2个月,央行再度降息!专家预计存量房贷下调可能性加大,降息,央行,

点差法的四个结论(点差法)

1、点差法点差就是在求解圆锥曲线并且题目中交代直线与圆锥曲线相交被

【涿州好网民】“鸽子姐”:用爱发电 成为别人的一束光

薛亚莉,女,1974年4月出生,她是河北省涿州市华阳路彪子烧烤的老板,

解决重点区域停车难,崂山打出组合拳

半岛全媒体记者刘雪莲通讯员赵亮热门景点、医院、学校周边,很多都是停

激发市场活力 提质扩量增效 祁东:优化营商环境促进高质量发展

湖南日报·新湖南客户端8月15日讯(记者陈鸿飞通讯员刘继海付姣龙曾炜

经典手机来电铃声2021最火铃声 经典手机来电铃声

1、点击声音和振动2、在华为的设置页面列表中打开声音和振动选项。3、

河南新乡经开区:2024年5月16日前缴纳新房契税可享契税总额20%的补贴

【河南新乡经开区:2024年5月16日前缴纳新房契税可享契税总额20%的补贴

100%清盘!千年古镇高桥镇的这个地块旧改征收完成

100%清盘!千年古镇高桥镇的这个地块旧改征收完成,清盘,公房,征地,高桥

山西阳泉城区:下调首套公积金贷款利率0.15个百分点,实行居民换购住房退税政策

山西阳泉城区:下调首套公积金贷款利率0 15个百分点,实行居民换购住房

《政企面面观》预告 | 生力军,出发!

《政企面面观》预告|生力军,出发!,商会,姚红超,河南省,生力军,民营经

越秀地产68亿竞得广州天河区世界大观地块

越秀地产68亿竞得广州天河区世界大观地块,合景,帝景,楼面价,广州市,越

泗洪城中片区房屋征收结果公告

■点击上方蓝色字体“泗洪风情”加关注■商家合作宣传推广联系电话:05

华润微:润鹏半导体拟引入大基金二期等外部投资者 助力深圳12吋线项目建设

华润微公告,公司子公司润鹏半导体(深圳)有限公司(简称“润鹏半导体”)

重庆市“环评监测数据一键查”系统正式上线

中新网重庆8月15日电(梁钦卿)由重庆市生态环境局自主研发的“环评监测

山东租房提取公积金有望交多少提多少,提振扩大消费若干措施来了

山东租房提取公积金有望交多少提多少,提振扩大消费若干措施来了,租房,

经四小纬二城市更新项目房屋征收范围已定

经四小纬二城市更新项目房屋征收范围已定,平房,小纬,纬二路,征收范围

储蓄型重疾险和消费型重疾险的区别是什么?怎么选择购买呢?

首先,储蓄型重疾险是一种结合了储蓄和保险功能的产品。它的保费通常较

目前房地产市场总体处于调整阶段,房企风险有望逐步得到化解

目前房地产市场总体处于调整阶段,房企风险有望逐步得到化解,改善性,一

开启旧住房改造新模式,虹口瑞康里列入城市更新试点项目

开启旧住房改造新模式,虹口瑞康里列入城市更新试点项目,虹口区,上海市

安凯客车:安徽省投资集团拟减持公司不超2%股份

证券时报e公司讯,安凯客车(000868)8月15日晚间公告,股东安徽省投资集

回天新材:拟在越南设立子公司 并约7090万元投建年产2600万平米光伏背板项目

回天新材8月15日公告,公司拟通过下属全资子公司回天荣盛(香港)有限

拆迁改造!文通中学周边地块传来新消息!

拆迁改造!文通中学周边地块传来新消息!,住宅,用房,拆迁改造,文通中学

【调研快报】江苏新能接待海通证券等多家机构调研

江苏新能接待海通证券等多家机构调研

山东:各市可发放住房消费券对新市民开展群购商品房给予支持

山东:各市可发放住房消费券对新市民开展群购商品房给予支持,商品房,山

精彩推荐