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?
- 人气:
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多个充电宝或电芯品牌的 3C 认证证书被暂停,涉及罗马仕、安克、绿联、倍思、安普瑞斯等,发生了什么?
- 2025-06-22我是新手想养鱼,预算不超过200。有什么好的建议或者禁忌吗。?
- 2025-06-22为什么 php 可以做到 7 毫秒以内响应,而 .net 做不到?
- 2025-06-22为什么开发一个 AI Agent 看似容易,但真正让它「好用」却如此困难?技术瓶颈主要在哪里?
- 2025-06-22能够自己一个人创业的全栈web码农fullstack developer要会哪些技术?
- 2025-06-22星舰看起来很粗糙,谁给我讲讲这玩意儿先进在哪里?
- 2025-06-22评价一下Proxmox VE与ESXi的优劣?
- 2025-06-22浙江真的可以三千名上浙大吗?
- 2025-06-22Swift 和同时代的其他语言比起来怎么样?
- 2025-06-22男朋友说结婚把他父母的钱花光了,搞得我现在心里很不好受,我该怎么办?
- 2025-06-22广州拟全面取消房地产限购、限售、限价并降低贷款首付比例和利率,拟推动***运动消费发展,将产生哪些影响?
- 2025-06-22石油真的是远古动物尸体来的吗?
- 2025-06-22为什么会有 U 盘独个文件不可以超过 4GB 这种设定?
- 2025-06-22中国大陆的苹果手机被阉割了哪些部分?
- 2025-06-225 月 28 日 DeepSeek R1 模型完成小版本试升级并开源,具体有哪些提升?使用体验如何?
- 2025-06-22vscode 是盈利的吗?微软为什么要持续投入开发***?
推荐产品
-
如何评价歼-10CE战斗机?
歼10CE一走进航展大门,一个咋咋呼呼的工作人员就忙着过来招 -
如何评价白宇帆、辛柏青主演的电视剧《护宝寻踪》?
这片子跳掉谈恋爱的部分绝对是个神剧。 每次谈恋爱快进就行了 -
为什么QQ上的网络状态没有了?
现在是2025年,Mac 版新QQ仍然有这个网络在线状态,只 -
Switch模拟器哪个好?
现在是大分支时代了,王国之泪就是一开始用龙神玩的,龙神系现在
最新资讯




