当务之急最该解决的问题是大众对于 AI大模型的正确认知以及最基本的AI用法。
你看这是前两天的测试结果,突出了一个政治正确,6款大模型,OpenAI的o3倒数第一,我当时看到的时候就觉得很奇怪,o3好歹也是曾经的一代王者,高考数学这种题它排名这么低怕不是有什么猫腻。
我们就拿单选题的第五题来测试下,因为这道题除了o3,其他的国产模型都答对了。
这是第五题的原题,正确答案是A. - 1/2。
这是之前的第三方的测试结果,6个模型…。
代码:
如何看待南京景枫中心把男厕改成女厕,并宣传「此处仅有女卫生间、家庭卫生间及无障碍卫生间」?
炫富真的很爽吗?
有哪些小众的开源项目养活了一大批人?
为什么从事技术的人普遍都比较难沟通?
你们试过最牛逼的减肥方法是什么 ?
58 同城被曝大规模裁员,比例或达 30%,具体情况如何?58 同城目前面临哪些问题?
和女生旅游开一间房有什么注意事项?
如何评价腾讯元宝桌面端使用 Rust 的 Tauri 框架?
有哪些是你用上了mac才知道的事?
以色列为什么要打伊朗?
如何看待 Mac mini M4 支持可更换 SSD?
有哪些值得推荐的小型 C 语言开源项目?
为什么要在鱼缸里养水草?
SpaceX 星舰 36 号火箭静态点火测试爆炸,爆炸的原因是什么?会对星舰发展产生什么影响?
如何评价Orbstack(在Mac上低开销地运行容器和Linux)?
京东刘强东近期小范围分享怎么看?
二氧化碳人工合成淀粉技术现在怎么没动静了?
有没有一个时间段,自己乐在其中,可亲人或者朋友却觉得你很辛苦,很心疼你?
销量爆炸的华为nova14是不是证实华为已经腾出精力来收复中端市场了?
如何评价ReactOS?
如果让你重来一次,你还会嫁给你老公吗?
评价一下Proxmox VE与ESXi的优劣?
有哪些观赏鱼是迄今为止确定最容易养最不容易死的?
单依纯的唱功有被过分吹捧吗?
055驱逐舰 是个什么概念?
为什么个人需要公网ip?
狸花猫打架是不是很厉害?
顶级军事家的水平有多恐怖呢?
大连天空现罕见「窟窿云」,目击者称持续半小时,压迫感十足,窟窿云是怎么形成的?你见过吗?
大海捞针还捞着了是一种什么样的体验?