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:
你的老师长什么样?
为什么广西盛产鬼火少年?
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?
如何看待多地推出升级版「禁酒令」?
同样是透析,有的透析三年就走了,有的十年20年还好好的,为什么?
吃爽了是怎样一种体验?
为什么现在离婚率如此之高?
如何评价字节跳动开源的 HTTP 框架 Hertz ?
苹果发布了 macOS 26 开发者预览版 Beta 更新,这次更新带来了哪些新功能和改进?
为什么中国现在全球军事实力第一,但包括中国人在内很多人不认可?
编程语言 MoonBit 发布 Beta 版,正式进入企业场景应用,会带来哪些影响?
以色列摩萨德这么厉害,中国网民为何不害怕?
蜂鸟音乐指控邓紫棋侵权,要求 48 小时内下架重录歌曲,邓紫棋回应「不会下架」,这一指控合理吗?
你卡过最厉害的bug是什么?
让男朋友坐在马桶上上厕所很过分吗?
如何看待女子在重庆吃饭强调不要放辣,回锅肉里吃到青椒和辣椒后愤然报警?
谷歌云服务宕机导致 OpenAI、Shopify 等服务中断,此次宕机的具体技术原因是什么?
一米二的棍子打的赢三十厘米的刀子吗?
陌生人晕倒了,帮他拨打120后,病人不支付120出车费,这个费用谁来承担?
目前最具性价比的全栈路线是啥?
如何看待人民日报官方微信公众号转载的文章《孩子,我宁愿欠你一个快乐的少年,也不愿看到你卑微的成年》?
会有人真正发自内心喜欢平胸吗?
如何看待伊朗媒体称「今晚将发生世界铭记的大事」?可能是什么?
怎么才能让孩子在不牺牲睡眠和运动时间的前提下,成绩名列前茅?
《哪吒2》刚上映是基本上都是好评,随着延期到六月底为什么部分观众开始带节奏,表示反感了呢?
Python+rust会是一个强大的组合吗?
为什么好看的家一看就是国外的?
微信头像会影响第一印象吗?
如何评价高圆圆的身材算是美女类型的吗?
以色列为什么突然敢打伊朗了?不怕被报复?