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?

2025-06-22 20:20:10

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
iOS 26 的新设计被吐槽丑,苹果在设计更新时考虑了哪些因素?你对这一设计都有哪些评价?

iOS 26 的新设计被吐槽丑,苹果在设计更新时考虑了哪些因素?你对这一设计都有哪些评价?

正常,iOS7的时候也说丑,甚至比现在更甚。 但是...

2025-06-19
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术?

能够自己一个人创业的全栈web码农fullstack developer要会哪些技术?

Next.js + Mantine + tRPC + Pri...

2025-06-19
房价还会继续下跌吗?

房价还会继续下跌吗?

房价还有很大下跌空间。 五月份办完婚礼之后又在密集看房子,...

2025-06-19
空战的时候可不可以先击落预警机?

空战的时候可不可以先击落预警机?

当然可以,前提是能做到的话。 预警机就像象棋里的【帅】,价...

2025-06-19
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?

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?

你说反了,不是以色列是否能坚持12天,而是伊朗能坚持几天. ...

2025-06-19