网站地图官方微信:
网站首页 文安县 郊区 博兴县 八江镇 漠沙镇 楼观镇

当前位置: 首页 >

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?

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?

  • | PHP和Node.js哪个更爽? |

    主要是只有nodejs能实现一份代码前后端共用,省了不少事。...

    查看详情>>
  • | Gemini 2.5 Flash 和Pro稳定版上线,和之前版本相比,在性能和应用场景上有哪些提升? |

  • | 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? |

  • | 中年夫妻有多少生活和谐的? |

  • | 你曾看到空乘做过的最傻的事情是什么? |

  • | go 有哪些成熟点的后台管理框架? |

  • | 曾经的班花,现在还多少人惦记? |

  • | 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? |

  • | 老挝是个怎么样的国家? |

  • | 男朋友说我穿衣服太开放,难道好身材不应该显示出来吗? |

  • | 为什么抖音上的姑娘都那么好看,现实中我怎么一个也见不着? |

  • [***: Docker搭建部署N***idrome,打造N...

    2025-06-20
  • 项目起因2021 年,我在面试中多次被问到数据库内核相关问题...

    2025-06-20
  • 首先,答主我比大多数人花粉成分更高。 我愿意使用华为手机,因...

    2025-06-20
  • 第十飞星舰 s36 静态测试原地爆炸了,我的判断没错,v2 ...

    2025-06-20

关注我们

添加微信好友,关注最新动态