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?

2025-06-24 09:05:14

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
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?

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?

先叠个甲:不是讨论取消启动台是不是狗屎更新,也不是为了吹ma...

2025-06-19
吴柳芳的真实水平如何?

吴柳芳的真实水平如何?

吴柳芳的巅峰期,持续了3年时间,2009年~2011年,巅峰...

2025-06-19
Rust1.86才正式稳定trait的upcast,为什么在rust中这个特性实现如此复杂?

Rust1.86才正式稳定trait的upcast,为什么在rust中这个特性实现如此复杂?

关注了这个问题好久,怎么一个回答都没有……那我抛砖引玉吧。 ...

2025-06-19
蜜雪冰城香港门店被通报「产品大肠菌群超标 70%」,哪些环节可能导致大肠菌群超标?会对身体有哪些危害?

蜜雪冰城香港门店被通报「产品大肠菌群超标 70%」,哪些环节可能导致大肠菌群超标?会对身体有哪些危害?

在我的印象中,大肠杆菌超标一般都是几百倍,几千倍的出现,很少...

2025-06-19
为什么 m1 ***用大小核设计却没有 intel 的问题?

为什么 m1 ***用大小核设计却没有 intel 的问题?

" 先问是不是 再问为什么"是不是已经不流行了? 在我看来 ...

2025-06-19