如何看待机器之心重测高考数学全卷,Gemini夺冠,豆包DeepSeek并列第二?

2025-06-19 05:45:10

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…。

如何看待机器之心重测高考数学全卷,Gemini夺冠,豆包DeepSeek并列第二?
广告位810*200
相关阅读
如何看待“计算机民科“的网站51soez已关站维护一周?

如何看待“计算机民科“的网站51soez已关站维护一周?

我故意拖了点时间去回答这个问题。 这个网站其实自需求分析上...

2025-06-19
请问有人能估计一下 go 相比 php 在不同用户量下能省多少钱吗?

请问有人能估计一下 go 相比 php 在不同用户量下能省多少钱吗?

用webman重写了公司老旧的TP项目,管理后台这种几乎也没...

2025-06-20
广东怀集遇历史最大洪水,约 30 万人受灾,积水最深处达 3 米,目前当地情况如何?

广东怀集遇历史最大洪水,约 30 万人受灾,积水最深处达 3 米,目前当地情况如何?

洪峰18日早上过的,目前已经退了很多了。 嗯这次怀集洪水大...

2025-06-20
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?

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?

我第一时间想起了: /** * _ooOoo_ * o888...

2025-06-20
如果全球都停止出口粮食,中国能否自给自足?

如果全球都停止出口粮食,中国能否自给自足?

不能,没有一丁点可能 根据海关总署数据,2024年共进口 小...

2025-06-20