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:
如何看待日本小学校园餐只有一小块鸡肉?
MiniMax Week第三天推出通用 Agent,体验如何?对行业会带来哪些影响?
Windows的伟大之处在哪里?
家里想搞个服务器,有什么好的建议方案吗?
rust 解决了什么问题?
MacBook的诱惑在哪里?
有哪些你去旅行后祛魅的城市?
你见过哪些智障的反人类的设计?
媒体称以色列防空成本一晚近 3 亿美元,最多再撑 12 天,美方会支援吗?若无美补给结果会如何?
为什么国外网站总喜欢弹出cookie访问权限弹窗,国内网站却没有,这么做有什么意义?
曾经的班花,现在还多少人惦记?
如何评价《三角洲行动》***作者「三角洲经济学教父」?
想初尝苹果Mac电脑,纯体验,选 Macbook air 还是 pro?
Linux 内核的系统有没有类似macOS 那样漂亮流畅的桌面环境的发行版本?
美国还有能力建造一艘核动力航母么?
Golang是不是代替了PHP以前的生态位啊?
有没有一款音乐播放器,能连接nas音乐,创建音乐库,自动匹配歌词封面等等?类似infuse的概念呢?
伊朗警告以色列居民尽快撤离,称将展开真正惩罚性打击,伊朗还有哪些底牌?以伊冲突会演变为中东全面战争吗?
新手想要打好篮球,主要练运球还是投篮?
5 月 28 日 DeepSeek R1 模型完成小版本试升级并开源,具体有哪些提升?使用体验如何?
J***a 除了 Spring 还有什么?
你和你老婆是怎么认识的?
网传厦门某国企研发部门要求每日考察后端 400 行,前端 1000 行代码量,如属实,这个考核合理吗?
为什么家里要用 NAS?家用 NAS 有哪些实际的、接地气的用途?
猫那么爱干净,却为什么不喜欢洗澡?
Rust 使用 Result 的错误处理方式与 Golang 使用 error 的方式有什么本质区别?
***移动在德国起诉小米侵犯4G专利,大家如何看待此***?
大环境什么时候可以好?
如何向别人解释“有你这写脚本的时间,我早就一个一个做完了”?
PS5 Pro 为什么不升级 CPU 呢?