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?

2025-06-21 08:10:10

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
怎么评价国内AI企业人肉背15块80TB硬盘,飞去马来西亚用英伟达训练数据,以规避美国禁令?

怎么评价国内AI企业人肉背15块80TB硬盘,飞去马来西亚用英伟达训练数据,以规避美国禁令?

都说了80T硬盘了,怎么还有人想着3.5寸机械的事,跟企业级...

2025-06-26
我听说Windows12微软就直接重头构建Windows了,就直接重构Win内核了,到底是不是真的?

我听说Windows12微软就直接重头构建Windows了,就直接重构Win内核了,到底是不是真的?

你太瞧不起NT Kernel了,这个内核无疑是有史以来最先进...

2025-06-26
如何看待“没有生态的墨水屏设备就是信息孤岛,最终会沦为泡面盖”这种观点?墨水屏未来的发展趋势是什么?

如何看待“没有生态的墨水屏设备就是信息孤岛,最终会沦为泡面盖”这种观点?墨水屏未来的发展趋势是什么?

2012年的时候,盛大的bambook打折,从899降价到4...

2025-06-26
苹果从 2026 年发布的 macOS 27 起不再兼容任何 Intel Macs,这背后原因有哪些?

苹果从 2026 年发布的 macOS 27 起不再兼容任何 Intel Macs,这背后原因有哪些?

丸辣,Rosetta2的AVX2支持才刚起步就要被抛弃辣。 ...

2025-06-26
如何保持夫妻生活和谐呢?多久一次夫妻生活算和谐呢?

如何保持夫妻生活和谐呢?多久一次夫妻生活算和谐呢?

中国人对性一向是比较隐晦的,但有一些俗话却流传的比较广,比如...

2025-06-26