写在前言

关于中文竞技场和大模型的的相关介绍，可以参考主测评文章（中文竞技场大模型测评-龙虎榜），在这里就不重复介绍了，本次主要介绍模型自动对话场景，目标是评估模型的回应能力、信息准确性、流畅度以及多领域适应性。

我们将在不同的对话场景下，从苹果专卖店到医院，从火车站台到餐馆，测试这些模型的实际表现。通过多轮自动对话，我们将观察模型之间的互动，以期为NLP领域的发展提供有益的见解和反馈。

单模型对话测评，→点我直达

双模型匿名对话，→点我直达

由于模型自动对话目前无法支持编辑，所以我们只能根据版本提供的对话，进行测评。

模型表现

通过多次模型自动对话，我们观察到模型A和模型B在不同对话类型下的回答。模型的回应能力、信息准确性和流畅度都是我们关注的重点。不同对话类型可能需要不同的语境理解和信息处理，因此，我们期待看到模型在各个领域都能有出色的表现。

苹果专卖店

模型A表现更好，模型B的回答重复了

驾校

模型A作为被服务方，却问模型B是否需要服务，这个逻辑是有问题的。

码头

在这段对话中，模型A表现更好，模型B没有直接回应对话。

火车站台

可能这段对话比较简单，模型A和模型B表现都很好。

跳蚤市场

模型B没有理解自己的角色，没有正确回答问题。

旅游团

模型A和模型B完全理解自己的角色，有问有答，表现不错。

餐馆

模型A和模型B完全理解自己的角色，有问有答，表现不错。

游轮

模型B是作为被服务方，反而问模型A是否需要服务。

理发店

模型A没有提供回答结果。

灾难现场

模型A作为消防员角色，并给出满意回答，模型B很好的理解了自己角色并提出问题。

保险公司

模型B并没有理解自己的角色，一直在重复模型A的回答。

法庭

模型A和模型B都没有理解自己的角色，也没有提出相关问题。

学校

飞机内部

超市

书店

医院

模型A和模型B只有一问一答，没有提供更多的互动。

菜市场

博物馆

模型B的提问很有针对性。

教培中心

模型A提供的答案很全面和准确。

结尾

通过对中文竞技场-模型自动对话的多轮测评，我们深入了解了不同大模型在对话和互动中的表现。在各种对话类型的挑战下，模型A和模型B都展现出了令人印象深刻的能力。

我们观察到模型A和模型B在不同领域的回应能力和信息处理上都表现出色。无论是解答消费者的购物问题，还是协助病人预约医生，这些模型都能提供有用的信息和指导。模型之间的互动也呈现出多样性和创造力，这为未来的自然语言处理应用带来了无限可能性。

但是，我们也认识到模型的发展仍在不断进行，存在改进的空间。在一些复杂的对话情境下，仍然存在挑战，需要更精确的理解和推理能力。这将是未来研究和开发的方向之一。

总的来说，中文竞技场-模型自动对话的实验为我们提供了深入了解NLP模型互动性的机会。AI技术的不断发展将继续推动对话系统的进步，为更多领域提供更好的智能支持。