语言模型测试系列【7】

语言模型

  1. 文心一言
  2. 星火认知大模型
  3. 通义千问
  4. 豆包
  5. 360智脑
  6. 百川大模型
  7. 腾讯混元助手
  8. Kimi Chat
  9. 商量
  10. C知道

今天看CSDN文章,看到了斐波那契数列这个有趣的数列计算,然后就在文心一言 中对答了一波,给的答案很完整,而且给出来python的实现代码,但它给出的结果真是跟代码输出的结果差一位,不管我如何在对话框里说它的错误,改了好几轮都跟回答的结果不一致,这就勾起了我测试几大模型的兴趣,于是组织一下问题重新提问,同时引入C知道一起测试。

提问及回答

问题 :请使用python编写一段代码,实现斐波那契数列第10位数的值。
追问 :这段代码的结果是多少?
说明:为何加一个追问环节呢,主要是有的模型只给实现代码,并不给出结果,所以为了保证公平性,就追问结果,跟编译器实现的结果来做对比了。

文心一言

Pycharm编译器

讯飞星火认知大模型

Pycharm编译器

通义千问

Pycharm编译器

豆包

Pycharm编译器

360智脑


Pycharm编译器

腾讯混元助手

Pycharm编译器

Kimi Chat

Pycharm

商量



Pycharm编译器


C知道

Pycharm编译器

对比分析

首先,百度一下斐波那契数列,看看正确的解释。

斐波那契数列(Fibonacci sequence),又称黄金分割数列,因数学家莱昂纳多·斐波那契(Leonardo Fibonacci)以兔子繁殖为例子而引入,故又称"兔子数列",其数值为:1、1、2、3、5、8、13、21、34......在数学上,这一数列以如下递推的方法定z义:F(0)=1,F(1)=1, F(n)=F(n - 1)+F(n - 2)(n ≥ 2,n ∈ N*)。

然后看看各大模型给出的结论,通过下表对比来分析。

模型名称 回答内容
文心一言3.5 所列数列从0开始,第10位数是34,回答结果55,代码执行结果为34
讯飞星火认知大模型 所列数列从0开始,第10位数是34,回答结果34,代码执行结果为34
通义千问 所列数列从0开始,第10位数是55,回答结果55,代码执行结果为55,但数列中没有34这个数
豆包 未给出数列,回答结果55,代码执行结果为55
360智脑 所列数列从0开始,第10位数是34,回答结果34,代码执行结果为34
百川大模型 所列数列从0开始,第10位数是34,回答结果55,代码执行结果为55
腾讯混元助手 所列数列从0开始,第10位数是34,回答结果34,代码执行结果为34
Kimi Chat 所列数列从0开始,第10位数是34,回答结果34,代码执行结果为34
商量 所列数列从0开始,第10位数是34,回答结果34,代码执行结果为34
C知道 未给出数列,回答结果34,代码执行结果为34,免费两次。。。

总结

这次的提问比较偶然,百度百科关于斐波那契数列 的解释是从1开始的,那么第10位数就是55,可在回答上,给出数列的都是从0开始,这就导致了55这个值是在第11个数上。

那么从以上回答的结果来看,首先从回答问题和执行结果不一致上,排除"文心一言3.5"和"通义千问"这俩模型,回答上怪怪的。

按百度百科的解释,斐波那契数列 的数列是从1开始的,那执行结果正确的是豆包百川大模型 ,而百穿大模型 却是手欠的给出了数列,数了一下第10位是34,这点上没有豆包 聪明,不多说话。

其他的语言模型嘛,估计都是按数列起始从0开始排的了,给出回答和执行结果都一致,也不能说不对,但还是差点意思。

总之,这次的测试,都差点意思的感觉,不太理想。。。

小注:

继续努力。

相关推荐
代码骑士30 分钟前
【一起学NLP】Chapter3-使用神经网络解决问题
python·神经网络·自然语言处理
可惜已不在44 分钟前
AI 搜索引擎工具集合
人工智能·ai
Landy_Jay1 小时前
深度学习:基于MindSpore实现CycleGAN壁画修复
人工智能·深度学习
Funny_AI_LAB1 小时前
MetaAI最新开源Llama3.2亮点及使用指南
算法·计算机视觉·语言模型·llama·facebook
Langchain1 小时前
不可错过!CMU最新《生成式人工智能大模型》课程:从文本、图像到多模态大模型
人工智能·自然语言处理·langchain·大模型·llm·大语言模型·多模态大模型
龙的爹23332 小时前
论文翻译 | Generated Knowledge Prompting for Commonsense Reasoning
人工智能·gpt·机器学习·语言模型·自然语言处理·nlp·prompt
龙的爹23332 小时前
论文翻译 | Model-tuning Via Prompts Makes NLP Models Adversarially Robust
人工智能·gpt·语言模型·自然语言处理·nlp·prompt
方世恩2 小时前
【进阶OpenCV】 (5)--指纹验证
人工智能·opencv·目标检测·计算机视觉
_.Switch2 小时前
Python机器学习:自然语言处理、计算机视觉与强化学习
python·机器学习·计算机视觉·自然语言处理·架构·tensorflow·scikit-learn
A_lvvx2 小时前
OpenCV透视变换
人工智能·opencv·计算机视觉