使用网站: https://chatgpt-plus.top/list
背景
7 月 9 日消息，OpenAI 的语言模型 ChatGPT 最近推出了新功能：代码解释器（Code Interpreter）。这个新功能已经对所有 Plus 订阅用户开放，代码解释器扩展了 ChatGPT 的功能，为用户带来了更好的交互式编程体验和强大的数据可视化功能。有了它之后，即使不是程序员，只需要用自然语言向 ChatGPT 下达指令，也可以完成需要复杂编程技术的任务。
Code Interpreter直译过来就是代码解释器，这是一个能够自己编写 Python 代码并执行 Python 代码的在线沙盒。支持用户上传本地的文件。ChatGPT会基于指令和文件内容，分析、编写 Python 代码，并反复修改、执行自己的代码，同时，把结果呈现出来或者保存成相应的文件供用户下载。
它支持上传数据、图片、音频视频等各种格式的文件，相应的就可以处理各种格式文件的需求，对数据分析师来说，最好用的就是可以利用它来帮我们分析数据了。
这也就意味着ChatGPT不再局限于文本交流了，使用图片，视频，excel等文件也可以进行交互；在这些文件处理方面，只要python能实现的ChatGPT都可以实现，不管是图像灰度处理还是excel数据相关性分析，均不在话下。
那么数学建模赛题，直接文件，题目给他，不就全部写完了。当然这只是推断，接下来实际测试一下将会带来更大的震撼。
测试一：国赛C题类型
国赛C题一般为数据处理相关题目，题目会提供大量的数据文件，这里我们拿偏简单的一道：2023年电工杯B题（工智能对大学生学习影响的评价）；为了完全的体现ChatGPT自身的能力，我们尽量不做任何关于解题思路的引导，全凭它自己完成；
首先，我们直接从电工杯官网下载B题的压缩包发给ChatGPT
接下来让它读取每个文件的内容
接下来再告诉它需要完成这些问题
它真就把文件数值化处理了发给我
它直接写python代码数据处理，然后运行，然后出结果
第一问完成了，接下来让它继续完成第二问，注意它处理好的这些文件是可以要求它发送出来的，我们再进行下载保存。
从前ChatGPT只能告诉你该怎么怎么做，剩下的自己去一步步完成，而且可能还要把自己完成的情况结果告诉它，它才能精准的指导你下一步该怎么做或结果分析。现在题目给它后，我们看着就好了（离谱…)
好，看一下第二问它的完成情况：
这里它主动找我们引导一下，就选择多个变量吧
第二问也算完成了，有相关性分析，再继续让它完成第三问
show work一下，看看代码：
竟然有预测模型，虽然非常基础，但误差小，模型预测效果好；
测试一总结
接下来我尝试让它撰写完整的一篇数学建模论文，但一次性写不出来，字数太少，内容过于精炼，也与它使用的方法简单基础有关；但要注意，整个解题过程除了一个地方它主动找我引导外，我没有给它任何提示与指导（解题思路），要是给它一些我们自己的想法，自己的提示，那还是有点可怕的。另外这中间没有看见任何公式，可能加点提示就可以了。
数据类的题还可以，那不是数据类型的题目呢，比如国赛B题，接下来再进行测试；
测试二：国赛B题
这里我们选择了2022年国赛B题（无人机遂行编队飞行中的纯方位无源定位），这道题是没有任何附件的，不属于数据类题目。我们直接将题目文件发给它读题并完成。
接下来让它继续完成。同样，这题我们不给任何引导，让它独立完成；
好的又让我惊讶到了，轻松把建模第一部分无人机的标准位置坐标全部算出来了，结果准确。接下来再让它继续。
它生成了一组有偏差的坐标，并在接下来对这些位置进行坐标调整；
可见，它较成功的将这些位置修正了。当然在没有任何提示指导下，它处理的较粗糙，部分细节没有注意到，但已经足够让我震惊了。继续第二问：
它每次都是先把解题思路告诉我们，然后再用编程实现。
可以发现它的解题思路和第一问类似。
同样，较成功的修正了无人机的位置。
测试二总结
可见非数据类的题目，也不在话下，只要能用代码解决的，它都可以完成。在没有任何提示下，这份解答与参考答案相比还是较粗糙，另外也算妥妥的编程手行为。
结论
数学建模比赛该转型了
以上两个测试全部在没提示词的情况下进行的，但凡加入自己的想法，自己的方案，自己的提示词，较完美的解决方案就形成了；再这么搞下去，数学建模比赛没比头，全比提示词去了，看谁的提示词更好。
数学建模比赛一般有3部分，建模，编程，论文撰写，建模加些提示词它就可以形成公式等，当然具有创新性的模型对它来说还是比较困难的，而编程它丝毫不再话下，也就是让ChatGPT计算题目的结果答案，或许还是可靠的，论文撰写分部分进行它才能把字数填上来，表和图它都会画，论文手只需要美工了。。。
