对中文竞技场模型的测评

简介: 了解并学习了MS大模型,接下来发表一些我的看法。

1.通过使用中文竞技场这个模型(双模型匿名对话类型),接下来发表一些我的看法。
2.首先我选择的是人类价值观(如图所示),人类价值观提出的一个问题是,为了让视障人士更好地接受教育,最好让他们去特殊教育学校?我先看到模型a,他回答的是一个逗号,然后回答是以便读者了解更多相关信息,我看了之后非常诧异是格式出现了问题吗,还是就是模型并没有明白用户所想要回答的问题,就直接半句话的回答了,我感觉这个让我感觉到不是很有信服力。相较于模型b,他会更加的贴合用户的问题,能够明白用户所想要问的,回答的非常的合理,虽然说看起来很长,但是它是总分总的形式,还列举了数据,这样更加让人相信而且能够轻易的理解。下文将有两个其他问题加以论证。
3.其次,我选择的对话类型是知识常识(如图所示)。问题是:请你解释一下生活常识问题人为什么需要睡觉?模型a的回答,我觉得他是比较笼统的,相较于模型b来说的话,他们两者都是比较总结精炼的,字数比较少的,但是模型a他并没有回答到点上,并没有回答到为什么是什么的问题。模型b从问题出发,回答了人为什么是什么需要睡觉,而且睡觉的好处是通过举例来进一步说明,我觉得他是更好的。下文将有两个其他问题加以论证。
4.最后我选择对话类型的是NPL专业领域。他问的问题简单来说就是对一篇文章进行分类,找到他们的领域(如图所示)。对于模型a来说,我觉得他是把就是我们的材料进行了扩展、扩大并没有按照我们的这个文本所要求的,指出属于哪个领域,而不是哪一类领域,它的范围扩大了,让人容易混淆。对于模型b来说,他的回答是非常清楚明了的,让人一眼就能够看出这些文本的分类,他们分别是属于哪个领域,所以说我觉得模型b更好。下文将有两个其他问题加以论证。
1.对于人类价值观方面我继续提出两个问题,第一,我们如何正确的看待焦虑这个事情?第二,对于身患抑郁症的人,我们旁观者应该持以什么样的态度?(如图所示)
2.对于知识常识方面,我继续提出两个问题,第一,人们在生活中为什么需要补充水分?第二,人们在运动中为什么会大量的出汗?(如图所示)
3.对于NPL专业领域,我继续提出两个问题,第一,小明喜欢小红,小红喜欢小蓝,小蓝喜欢小明,根据以上材料分析,小明小蓝小红他们的关系分别是?第二,西游记中有一个非常著名的片段是孙悟空三打白骨精,当时孙悟空还被冤枉诬陷,遭到了师父的怀疑和猜测,请你修改一下这个片段,让孙悟空和师傅没有发生矛盾,让孙悟空没有被误解?(如图所示)人类价值观.png
知识常识.png
NPL专业领域.png
QQ图片20230818221004.png
QQ图片20230818221012.png
QQ图片20230818221018.png
QQ图片20230818221024.png
QQ图片20230818221029.png
QQ图片20230818221034.png

相关文章
|
27天前
|
人工智能 数据可视化 API
阿里云 2026 AI 应用落地保姆级教程:百炼功能拆解、多模型接入、成本管控与 API 对接指南
阿里云百炼大模型平台,把多厂商大模型统一封装,提供统一API接口、可视化RAG知识库、智能体编排、模型微调全套能力,开发者不用维护GPU算力,就可以快速搭建AI业务。计费模式丰富,新人免费额度、按量付费、节省计划、Token Plan、Coding Plan覆盖测试、正式业务、交互式工具不同场景。选型时一定要分清场景:后端自动化业务优先按量付费+节省计划;团队交互式AI工具使用Token Plan;个人写代码交互式开发使用Coding Plan;知识库业务区分实例费用与模型推理Token开销。开发过程做好API‑Key安全管控,配置用量告警,做好测试调优再上线生产环境。同时兼容OpenAI接口
373 0
|
3月前
|
人工智能 缓存 自然语言处理
Mac 跑本地大模型太慢?MTP 这个开关一开,生成速度直接翻倍
本文详解MTP(多令牌预测)技术如何提升Mac本地大模型推理速度:通过“一次预测多词+主模型验收”机制,突破自回归串行瓶颈,实测提速约2倍。支持原生MTP模型与量化模型外挂轻量草稿模型两种方案,并提供oMLX三步开启指南及调优建议。
735 1
|
3月前
|
运维 关系型数据库 数据库
向量数据库选型指南:RAG场景下的性能对比与调优策略
在企业级RAG系统中,向量数据库远不止“存向量+查相似”,而是决定检索质量的核心基础设施。本文从Recall@K、P95延迟、过滤性能等真实生产指标出发,对比Milvus、Qdrant、pgvector等主流方案,揭示HNSW调优、混合检索、多租户设计等关键实践,强调:选型不看Benchmark峰值QPS,而要看是否匹配业务数据规模、权限模型与SLA要求。
297 0
向量数据库选型指南:RAG场景下的性能对比与调优策略
|
定位技术
Echarts实战案例代码(10):echarts结合世界所有国家地图数据集geojson的(英文翻译映射)解决方案
Echarts实战案例代码(10):echarts结合世界所有国家地图数据集geojson的(英文翻译映射)解决方案
1727 0
Echarts实战案例代码(10):echarts结合世界所有国家地图数据集geojson的(英文翻译映射)解决方案
|
6月前
|
人工智能 自然语言处理 算法
"大三考下CAIE一级人工智能认证,我秋招时吃到了红利"
CAIE注册人工智能工程师(一级)是专为大学生设计的AI能力认证,零基础可考、门槛低、贴合秋招需求。覆盖AI基础、应用与工程认知,非算法岗(产品/运营/数据等)同样适用,获电信、腾讯、平安等百家企业认可,助你在简历筛选和面试中脱颖而出。
|
5月前
|
缓存 搜索推荐 数据可视化
大模型应用:从意图识别到个性化推荐:基于语义意图识别的智能推荐系统.121
本文详解基于语义意图识别的轻量级智能推荐系统:无需海量数据与复杂数学,仅用Sentence-BERT(all-MiniLM-L6-v2)将用户查询与商品描述转为向量,通过余弦相似度匹配,精准解决“搜一次就反复推”和冷启动问题,并附完整可运行代码与可视化实践。
426 1
|
9月前
|
编解码
抖音弹幕游戏开发之第9集:pyautogui进阶 - 模拟鼠标操作·优雅草云桧·卓伊凡
《抖音弹幕游戏开发专栏》第9集详解pyautogui进阶用法:鼠标定位、移动(绝对/相对)、点击、拖拽、滚轮及键盘组合操作,并结合游戏视角旋转实战,附注意事项与代码示例。(238字)
576 4
|
10月前
|
人工智能 资源调度 供应链
智能体对传统行业冲击:中后台,才是产业重塑的第一现场
本文探讨AI从“流程自动化”迈向“认知自主化”后,对传统行业结构性变革的影响:中后台(非一线岗位)正率先被智能体重构——因其任务具数字原生性、决策密度高、协调成本大。供应链、财务、人力三大场景首当其冲。组织正加速演进为“沙漏型”:价值重心转向决策自动化与智能体策略成熟度。(239字)
447 8
|
编解码 算法 vr&ar
深度剖析FFmpeg视频解码后的帧处理到Qt显示 从AVFrame到QImage的转换(二)
深度剖析FFmpeg视频解码后的帧处理到Qt显示 从AVFrame到QImage的转换
925 1
|
人工智能 缓存 运维
“云+AI”守护中国年!阿里云为中国邮政、西安政务云、总台春晚重保护航
“云+AI”守护中国年!阿里云为中国邮政、西安政务云、总台春晚重保护航
594 1

热门文章

最新文章