xyzcto的博客

豆包，DeepSeek R1，讯飞星火均答对。豆包和DeepSeek思路类似，DeepSeek给出了详细的推理过程，类似人类做题时的思考过程，DeepSeek提到记得类似的题使用共轭根的方法，说明DeepSeek有训练类似的题。讯飞星火给出的答案9是对的，但得出答案太突然，毫无逻辑，纯属猜。ChatGPT o1有些令人失望，似乎没有类似题目的训练，试图硬算，它知道会溢出，于是无法给出答案。

本人倾向的答案是D是酸，A是碱。基于这个答案，豆包，Kimi，DeepSeek 正确。元芳，你怎么看？

本次测评旨在对当前主流的 AI 大模型进行客观、公正的逻辑推理能力测评。包括以下模型：1.文心一言2.豆包3.通义千问4.KIMI5.Copilot6.ChatGPT7.DeepSeek R1 ， Grok 3

有时我们需要检测一段内容是否由AI生成的，可以使用哪些工具呢？本文将向你介绍几种工具。为测试这些工具，我用以下提示词，让文心一言生成一段中文文本进行测试。Human Score 为0 表示检测为AI生成。需要登陆才能使用，对中文检测不是很理想。免费字数限制在80，对中文文本检测失败。判断为100%AI生成。

成语接龙只有通义千问完全正确，豆包和DeepSeek第一次都忽略了前后鼻音的差别，经过提示，第二次正确。古诗词知识通义千问有点离谱，文心、豆包、Kimi、讯飞都对了。ChatGPT的表现有点出乎意料，ChatGPT可能对于中文知识库的训练不够。后续将测试代码生成以及SQL生成，期待ChatGPT的表现。