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?
- 发表时间:2025-06-22 07:00:15
- 来源:
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…。
推荐资讯
- 2025-06-22 08:20:1534 岁教授王虹在北京大学开数学讲座,她或将成为首位获得菲尔兹奖的中国籍数学家,有多厉害?
- 2025-06-22 08:20:15Electron 和当下其他的桌面开发方法相比如何?
- 2025-06-22 08:35:15如何评价MiniMax开源首个视觉RL统一框架V-Triune,实现推理感知一肩挑,其技术上有何优势?
- 2025-06-22 08:40:216 月 21 日「苏超」第五轮南京队 4-0 战胜常州队,如何评价这场比赛?
- 2025-06-22 08:10:16如何评价捞女游戏改名,全网“围剿”,以及导演b站账号被封这件事?
- 2025-06-22 08:05:15字节跳动技术副总裁开源了自己与Trae合作的首个项目,如何评价目前AI开发的水平?
- 2025-06-22 07:20:14联想 128GB 超大内存迷你 AMD 主机上架,此款主机有哪些亮点?
- 2025-06-22 08:10:166 月 21 日「苏超」第五轮南京队 4-0 战胜常州队,如何评价这场比赛?
- 2025-06-22 08:30:15软路由怎么没有人玩了?
- 2025-06-22 07:40:16为什么都说 Finder 难用?
推荐产品
-
哪个编程语言是你的最爱?
rust+js js不多说了,前端必选。 这里只说rust。 -
Windows上有没有一分多屏和多屏合一的软件?
原神,启动! 我现在用的方法可以将游戏同时在两台显示器上 -
为什么感觉淘宝现在不如拼多多了?
两个案例 案例1,pdd买了张显卡,回来查sn码发现生产日期 -
小米发布了 REDMI 首款旗舰小平板 K Pad,仅 8.8 英寸,小巧便携,如何评价这一设计?
作为本次”双K魔王“系列的重要成员,REDMI K Pad是
最新资讯