国内 ai 大模型风云变幻,阿里、腾讯、百度、华为谁将登顶?在这个充满变幻莫测的 ai 世界中,四巨头阿里、腾讯、百度、华为正展开激烈角逐,争夺 ai 大模型的巅峰地位。 他们各有高招,各有所长,让我们来一探究竟。通易大模型不仅在电商推荐、智能客服等场景表现出色,还积极向云计算、物联网等新兴领域拓展。阿里通易大模型凭借其在电商、物流等领域的广泛应用,实力不容小觑。 开源的策略让他在业界占据了有利地位,吸引众多开发者加入其生态圈。腾讯混元大模型则以强大的多模态统一模型引领潮流,他的语言理解、图像处理、 语音合成等多项能力都达到了业界顶尖水平。会员大模型还融合了多种技术,打破信息形式的限制,实现跨领域应用。虽然腾讯并未完全开源会员大模型,但其在 ai 领域的深度合作与投资,让人们对他的未来充满期待。 百度文新一言大模型以其跨领域的实力和智能化升级能力独树一帜,无论是自然语言处理、图像识别还是语音合成,文新一言都能轻松应对。 更重要的是,百度积极推动与开发者的合作,提供丰富的工具与平台支持,使得文新一言在各个领域都能迅速融入并发挥出色。华为盘古大模型则以科学计算、自然语言处理等领域的突破和创新经验 四座。作为通信领域的佼佼者,华为将盘古大模型视为 ai 战略的重要组成部分,并致力于推动 ai 技术在各个领域的应用。尽管华为并未完全开源盘古大模型,但其在 ai 领域的深度合作和资源共享也取得了显著成果。 在这场 ai 大模型的竞争中,阿里、腾讯、百度、华为各有千秋,每个模型都有其独特的优势和应用领域, 究竟谁将登顶,还需时间来证明。不过可以肯定的是,这些大模型的开源和合作将推动整个 ai 生态的发展,为人们的生活带来更多便利和创新。让我们拭目以待这场 ai 风云的变幻吧。
粉丝788获赞941

ai 模型这么多,你到底要用哪一个?这里通过四个维度来分析,最火的 ai 大模型分别是 gpd 四、 cold、 文心一言和讯飞星火。第一个维度是逻辑题,问树上有十只鸟,射了一枪,死了一只鸟,还剩几只? gpd 四和讯飞都给出了正确答案, 按靠和文件原则算出九只,还好通过再次提问后,他们进行了自我纠错,所以这个环节绝不是适合讯飞星火。邮政, 这个是文案处理,让他们写一个短篇武侠小说,看看他们的文案效果。先看文学一言生成的结果,基本是人物介绍和情节的陈述,比较枯燥。再来看看他的文案,有生动的对话和心理描写,但美中不足的就是文案会出现英文, 而 gpd 四核讯飞星火就能完全理解需求,而讯飞更是给出了两千多字的文案,而其他几个都是一千字左右,所以中文文案 处理方面讯飞优胜。第三个是文件处理,这里用特斯拉的财报让他们进行总结,看谁的回答会更好。来到文心一言和讯飞,他们都成功总结了文档,不过从回答上面看,文心一言的回复更加详细,而且给出了应该怎么向他提问, 对小白来说更友好。而去飞行和总结后就没有提示了,而去 bt 四就像人一样去问你的需求,但怎么问他都总结不出来,所以原声文件处理功能还比较一般。 最后看到 cow, 他甚至分点总结好了财报,观感上面更加的专业有逻辑。同时他还可以实现一次分析多个文件, 而其他模型只能一次性分析一个,所以在文件处理方面靠的是第一名。最后来到专业领域,让他们分析案件。首先是 gbt 四,不仅分析了犯了什么罪,而且同时分析了行为动机以及应该怎么调查,可见非常专业。接着 我是 cos, 分析了罪行的基础上还有人性化的表达,要对被害人进行心理安抚。接着就是文心妍和讯飞星火,文心总结了三点,并推测了他的罪行,而讯飞的回答相对死板,但回答没有问题,但相对于其他三个模型就略逊一筹, 所以该环节 gbt 四胜出,可见国内外的模型还有一定的差距。但这次的对比比较片面,因为不同模型之间的训练数据是不一样的,同时他们各自还有不同的功能, ugbt 有庞大的插件市场可以调用,欧文星岩和讯飞星火则是有特色的插件。但是可以确定的 ai 模型未来是会影响到各行各业,你觉得呢?我是 i 教练 zx, 关注我,带你探索 ai 世界!

朋友们,我最近有点凌乱了啊,我刚看到一条新闻啊,就是十月份的中文大模型比拼啊,国内排名第一的,你猜是谁?竟然是 vivo 啊,这家手机公司, 就我让我想到啊,就是这个大模型啊,到底是大模型还是大混乱啊,一家做手机厂商的,他的字眼大模型居然排在这个国内第一啊, 啊,远超过百度啊,商汤啊,讯飞啊,阿力等一众互联网科技或者是 ai 的标杆企业啊。 事情是这样的哈,近日, superco 啊发布了最新的中文大模型十月榜单啊,榜单显示 g p t four 啊,继续霸榜威尼第一啊,然后三点五排在第二,然后前三名啊,都是国外的产品,然后轮到国内产品的时候呢,就是 vivo 字眼的大模型, vivo aom 啊,就是当大 原模型啊啊,排在第四位,嗯,在国内大模型中排第一啊,一句超过了百度、商汤、讯飞、阿里等公司的产品,这个结果啊,与我们呃,可能哈,与我们有我了解到的,或者说我们从 新闻报道看到的,比如说百度、讯飞都宣称他们的情况啊,他们是排第一,这个大不相同啊,尤其是在中文大模型领域啊,百度和讯飞可以说这是有深厚的积累的啊, 他们都说啊,自己家的呃,中文表现甚至是领先于这个 g p t four 的哈, g p t 三点五啊,这样的一个产品的 啊,两家基本上都不至一次宣称啊,自家在中文大幕形成的表现是绝对领先的啊。看到这样的结果啊,我就注意到有个网友的评论很有意思啊,他就是说最近一段时 时间来呀,就是从这个芯片到操作系统再到 a 大模型啊,怎么国内一些厂商啊突然之间就行了呢?啊,以前也没听他们在这些领域啊,有多多么呃,这个长期或者深度的投入或者耕耘啊,怎么突然之间纷纷都自研成功,而且遥遥领先呢?啊, 等到核核心技术真的这么好突破吗?啊,对此我们也不好怎么去评论啊,大家自己去想吧,你们有什么看法呢?欢迎在评论区交流分享。

国内的大不行如今已是百花齐放,但表现的结果呢,也是参差不齐。今天我就来给大家做一个评测,看看这些免费的软件在中文的环境里面,到底谁的表现更胜一筹。 为了保证本次评测的结果公平公正,我们选择了四款国产的大环形,让他们在相同的环境下面问他们同样一个问题,看看究竟花落谁家。现在我来问一个比较刁钻的问题, 我的骨传导耳机坏了,我去医院应该是挂骨科还是耳鼻喉科?看一下第一组选手微信一言和通一千问的回答如何,他们俩的回答则大差不差。如果您的骨传导耳机坏了,可能需要修理或者更换部件, 而不是去医院,这个回答是没有问题的。我们来换一组选手,分别是科大讯飞和质朴青年,问他们同样的问题,看一下能不能准确的回答。这一组科大讯飞回答的非常好, 明确的告诉我们耳机坏了和哪个地方坏了,而志不清爷的回答就完全不沾边了。另外,大家在学习 ai 的过程中,可以尝试使用一款名叫智能 aiq 的免费软件, 体验一下当下最热的开源大模型。哎,说不定你会惊喜的发现玄之又玄的众妙之门。
![#AI #大语言模型 哪家强?
测评显示:百度文心基础能力领先,讯飞星火和智谱GLM智商并列第一,商汤商量情商指数领跑,讯飞星火提效优势显著[强]#AIGC #AI #人工智能](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/ef79ce071f66d804e7f314b2239f606f~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2110521600&x-signature=M0lU6diD1XRe%2F%2BGFaLs%2B8FZpyqc%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202611201619507428B1646880120A89AC)
面对市场上你方唱罢我登场的诸多 ai 大语言模型,我们号称已经进入百慕大战阶段,可是很多人拿不到那么多家 ai 大模型的体验账号,当然,日常也用不着那么多账号。那么, ai 大语言模型能力到底哪家强? 八月份,新华社研究院中国企业发展研究中心针对八大头部企业的大模型产品发起了新一轮评测, 测评题目由三百道扩展至五百道,进一步完善了题目类别。对标奔驰 mark 方面,本次测评将接受高等教育的人类作为对照来考评大模型真实能力。打分标准上,针对基础能力、智商指数、情商指数、 工具题校指出四大测评维度进行了权重设计。测评团队方面,本次特邀北京大学文化与传播研究所及其他业界、学界专家全程参与最终测评结果显示,百度的 文心一言大模型地基深厚,基础能力仍处领军水准。科大讯飞的讯飞星火认知大模型和智普 ai 的 chat glm 大模型在智商指数上并列第一。商汤的商量大模型在情商指数方面处于领跑地位, 而在工具题效指数维度,科大讯飞的讯飞星火大模型优势明显。最终,八大 ai 大预言模型的综合指数排名如图。点赞、关注、分享,从此 ai 起来!

哈喽,大家好,我是何二。百度最近发布了文心大模型四点零版本,百度老板李彦宏说,文心大模型四点零的综合水平相比美国 gpt 四毫不逊色,现在我就来对比测试一下他们回答问题的质量如何。这是有文心大模型四点零内测资格的文心遗言,这是拆了 gbt 四 问他们的第一个问题是最近的热搜,大洋哥怒批李佳琪挟持商家,某平台官方也很无奈,对此事你怎么看? 大洋哥批评李佳琪的事情在网络上引起了不少讨论,关于他指责李佳琪挟持商家, 这可能反映了电商直播行业竞争激烈和影响力大的主播对商家可能产生的压力,对于平台方面的无奈。这可能说明了平台在大主播和商家利益之间的调节平衡上面领挑战。不过这种情况也很常见, 在其他行业和领域也有类似的问题。我认为大洋哥批评李佳琪挟持商家的事件是一个复杂的问题,需要从多个角度进行看待。 首先,大洋哥的愤怒是可以理解的,因为李佳琪作为一位有影响力的主播,如果利用自己的影响力来要挟商家,这是不道德的行为。但是 我们也需要了解具体的情况,看看李佳琪的行为是否确实存在挟持商家的行为,以及这种行为对商家的影响有多大。其次,某平台官方的无奈也是可以理解的,因为作为平台方,他们需要维护平台的公平竞争环境,同时也需要维护消费者的利益。 如果李佳琪的行为确实违反了平台的规定,那么平台需要采取相应的措施来维护公平竞争和消费者利益。最后,我认为作为消费者, 我们需要保持理性和客观,不盲目追随主播或平台,而是要根据自己的需求和利益来做出选择。同时,我们也希望平台和主播能够遵守道德和法律规定, 维护公平竞争和消费者利益。看起来好像回答的都很不错,我在追问他们一下,又如何看待小杨哥和李佳琪背后的美万有合资公司这件事 啊?关于小杨哥和李佳琪背后的美万有合资公司,这反映了现代电商和直播带货领域的商业模式 正在迅速演变。合资公司的成立可能是为了更好的整合资源,扩大影响力,同时也可能涉及品牌建设、市场拓展等方面的战略考虑啊。这样的合作通常意味着双方都看到了合作的潜在价值和市场 机会。当然啊,这背后也有可能涉及到一些行业竞争、合规、风险等方面的考量。小杨哥和李佳琪背后的每万有合资公司这件事可以从多个角度进行看待。首先,合资公司的建立可以为双方带来更多的商业机会和资源, 促进业务的发展。其次,这也表明了小杨哥和李佳琪在商业领域的不断拓展和壮大,他们的影响力和商业价值得到了进一步的提升。然而,我们也需要了解具体的合资协议和合作内容, 评估这种合作是否会对消费者的利益产生影响。总之,我们需要保持理性和客观看待这件事情的商业价值和可能带来的影响。下一个问题,现在很多国家都宣布禁止直播带货,你怎么看待此事?你认为直播带货应该被禁止吗?啊?禁止直播带货的国家可能 是出于对消费者保护、市场秩序维护等考虑啊。直播带货确实存在一些问题啊,比如产品质量、虚假宣传,影响消费者决策等。但同时,直播带货也带动了电商发展,为很多商家和消费者提供了便利。 我认为关键在于平衡和规范,而不一定非要全面禁止啊。建立严格的监管体系,提高透明度,加强对直播内容的监控和对消费者权益的保护,既能发挥直播带货的正面作用,又能减少负面影响。 现在很多国家宣布禁止直播带货,这是一个值得深思的问题。我认为是否禁止直播带货需要根据具体情况进行综合考虑。首先,直播带货作为一种新兴的电商销售模式,具有巨大的商业潜力和市场前景,他为消费者提供了更加直观、生动 的购物体验,也为电商平台带来了更多的流量和销售。然而,直播带货也存在一些问题,如主播夸大宣传、 虚假销售等,这些行为损害了消费者的利益,也影响了电商行业的健康发展。因此,一些国家禁止直播带货的初衷是为了保护消费者的权益,维护市场的公平竞争。但是,禁止直播带货也可能会带来一些负面影响,如限制电商行业的创新和发展,影响消费者的购物体验等。因此, 是否禁止直播带货需要根据具体情况进行权衡和考虑。总之,我认为对于直播带货这一新兴商业模式,应该采取审慎科学的态度,既要保护消费者的权益,也要促进电商行业的健康发展。 感觉回答的这几个问题质量不分伯仲,都比我来回答的要好。最后一个问题,文心大模型四点零和 gpd 四谁更厉害?百度的文心大模型四点零 和 open ai 的 gpt 四都是顶尖的 ai 语言模型,他们各有强项啊。文信大模型四点零主要针对中文,在处理中文语言、理解中文文化和语境上可能有更深入的优势, 适合中文语境下的应用,比如中文自然语言处理、对话系统等。 g p t 四作为多语言模型,对中文也有很好的处理能力,同时在全球范围内的知识理解、跨语言交流等方面表现出色。 所以哪个更厉害很难一概而论啊,取决于你的具体需求和应用场景。百度文心大模型四点零和 gdp 四都是非常强大的自然语言处理模型,他们在不同的方面都有各自的优势,因此无法简单的判断谁更厉害,需要根据具体的应用场景和需求 进行评估。百度文心大模型四点零在文本生成、文本摘要、文本分类等任务上有着非常出色的表现,而 gdp 四则在对话生成、翻译等任务上表现较为突出。此外,两者的训练数据、模型结构 参数数量等方面也存在差异,这些都会对模型的性能产生影响。因此,对于谁更厉害的问题,需要根据具体的应用场景和需求进行评估。在选择模型时,需要根据实际任务的需求和数据的特点进行选择,以达到最佳的应用效果。怎么样?感觉如何?欢迎在评论区留下你的看法。

继百度闻新一言之后,国内 ai 巨头科大讯飞也推出了自己的大语言模型,讯飞星火认知大模型。 今天就让我们测评,看一看这个国产大模型能不能扭转国人对于国产 ai 的信心。今天我们用相同的问题来询问 gpt 四和讯飞星火模型,先测试一下他们的创意能力,让二者以小马哥聊人工智能为开头,写一首藏头诗。可以看到, gpt 四还是完美的理解了我的意思, 但很多语句都是硬凑的,没有实际含义。再来看看科大讯飞这边,虽然没能完全理解我的意思,但是他的语意更加通顺,也就是说他对于中文语意的理解比 ggb 四更强。接下来我们来测试一下他们的方案撰写能力, 让二者都写一个能赚一百万的商业计划。可以看到 g b、 d 四给的答案还是非常全面具体的,除 除了我要求的业务模式之外,他还给到了实施步骤以及具体的成本与收入预测,而科大讯飞这边就显得相对笼统一些了。最后测试一下语义理解能力,我让二者都理解一下这个笑话的笑点。可以看到 gbd 四完全无法理解中文笑话,即使在我的提示下也还在胡说八道。 科大讯飞在我的提示下正确理解了笑话的含义。总的来说,讯飞星火模型和 gbd 四之间仍然存在差距,主要体现在创意能力上,但作为一个大语言模型而言,科大讯飞的表现还是可圈可点的,已经能做到不错的方案撰写和语意理解了。人工智能之间的比拼核心有三个点, 分别是数据、算法和算力。在数据的训练上, chai gbt 百分之八十的训练数据都是英文的,而作为国产大模型,在中文数据训 训练层面,科大讯飞不会落于叉 g、 b、 t, 也更适合我们国人使用。而在算法层面,科大讯飞作为国内 ai 的巨头,深耕人工智能领域二十三年,算法并不会落后于美国, 主要的短板在于算力层面,世界芯片英伟达一家独大,再加上美国对于中国的芯片制裁,拖慢了国内的人工智能训练速度。 虽然我们国内人工智能的发展还赶不上诸如欧奔 ai 这样的国外企业,但作为国内的一名 ai 创业者,我仍然衷心的希望像科大讯飞这样的国内 ai 巨头,可以逐渐缩减中国和美国之间的人工智能差距。甲乙实,像蔡 gbt 这样现象值的产品可以出现在中国 未来二十年属于 ai 的时代,让我们共同成为见证者!关注我,离 ai 更近一点!

今天我们来说一说国产大模型,讯飞星火。先抛出一个问题啊,你们现在觉得国产的大模型和国外的车的 gpt 相比差 还大吗?从我自己的使用体验来说的话,差距并没有那么明显啊。当然了,目前对标的模型是 gp 三点五这个模型啊。另外呢,实际上国产的大模型在某些方面并不一定比 gp 四差呀。先说一说优势,像星河大模型这里的 ai 电话网站,注册起来没有门槛,访问也没有任何门槛, 数据安全这块也相对靠谱一点。切了 gpt 的访问和注册门槛,相信注册过的人懂了。都懂啊,新手小白的话,基本上是直接劝退鲜活大模型的这个客户端开或者是比较多的呀,有网页版,也有手机 app, 甚至他还做了一个小程序版的客户端。所以说,现在这个实验节点,在国内使用 ai 对话是一点门槛都没有的啊。我们看一眼他的网页版对话界面,星火里面内置的这些题词还是很不错的啊。点击左侧的助手中心,这里提供了好几百个助手, 方方面面都有涉及到啊。比如说,我们选择这个前端编程的助手,他的能力就是根据你的要求以及说明的编程语言来生成对应的代码。你向他提一个前端问题,那么他就会像一个前端老手一样,直接甩给你一大坨代码,并且附有相应的解释。 所以 prop 的助手的功能就相当于他给你直接写好了绝大部分的提示词,你只需要给他最关键的内容和方向,他就能够给你生成一大段相应的内容。另外要着重说一说的就是新火的插件能力,目前他提供的这三个插件都是非常有用的啊。 文档问答这个功能大家都见的比较多了,你可以上传一些文本性的文档,比如说 pdf 或者是 txt 或什么档文档,然后就可以对文档中的内容进行问答。这个插件可能见得比较多了,但是接下来这个插件相信你可能很少见过,它可以直接根据你的要求生成完整的 ppt, 这个功能就相当离谱了呀,我让他帮我生成一个直级晋升的答辩 ppt, 然后嘛,他就给我写了一个有模有样的材料出来了,那么他的 逆海之处是在于完全没有人为干预啊,就是他纯自主的生成的 ppt, 那么如果你给他补充的信息越多的话,他生成的 ppt 肯定会更加的精准。第三个插件能力是简历生成,他可以根据你的要求直接生成一个简历的模板。另外呢,他也是具备一定的多模态能力的, 他不仅具备问答能力啊,他还具备 ai 绘画能力,你可以跟他说帮我画一幅什么画,然后呢,给一些比较精准的描述词,同时他也具备图片的问答能力, 居然知道这个人是谁,而且是有什么身份?这个识图能力还是有点意思的呀,当你哪天看到一张比较好看的图片,但是又不知道图片里面的人是谁的时候,就可以问一下他呀。最后老规矩啊,问他一个脑筋急转弯,那么他的回答就显得比较聪明啊,要知道这个问题交给 gp 三点五,他也是打不好的呀。 好了,最后说一点,就是在讯飞的看平台里面注册之后会有两百万 tokens 可以使用,那么本期视频到这里就结束了,拜拜。

刚刚中国八大 ai 大模型呢,密集被批复上线,那么这个是一个非常好的一个事情,分别是北京的五家,百度文,新年抖音的云雀大模型,清华的质朴青年,中科院子东太粗, 搜狗系的百川大模型。那包括上海的三家,商汤科技的商量 mini max 的 a b a b 大模型,上海人工智能实验室的书生大模型 啊。第二批呢,还有三家,分别是广东的两家,华为的盘古大模型,腾讯的会员大模型,安徽科大讯飞的星火大模型将陆续对外开放。 那么呃,为了呈现呢,谷子老师呢,把这些已经开放的呃,这些大模型呢,都下载下来啊,进行了一次体验。那么主要呢,问了三个问题,第一个问题是你和 chag pt 四点零有什么区别?第二个是你怎么看二零二三年下半年的中国和美国的经济。第三个是你认为中国的 a 股是赌场吗?这三个问题呢,是从不同角度呢,来测试这个大魔性。 第一个是自己对自己的认识,那么你和 chat gp 四有什么区别?嗯,大家呢啊,都回答出来呢,是有不同的,但是呢,主要侧重在是我们是不同的公司开发出来的大模型, 并没有啊,从具体的参数指标角度进行对比。那么稍微好一点的呢啊,会说呢,我们各有千秋啊,那么确实是存有差异的, 那比如说那抖音的这个豆包啊,那么他呢,实际上是明确了自己和对方是有差异的。第二个问题呢,是个开放式的问题, 我们看二零二三年下半年的中国和美国的经济,那么所有的大模型呢,都能够从一定逻辑框架的角度呢进行回复,比如说 gdp 的增速,就业的情况,通货膨胀,以及财政政策和货币政策这样的维度来进行回答 啊,那么只是呢,里边引用的数据的准确程度呢?不一而足啊。那么另外一个有趣的事情是,所有的答案呢,都极具爱国情怀。那么啊,大模型们啊,一致认为,美国的经济呢,在二零二三年下半年呢? 是啊,具有不确定性的,那么主要的原因是因为加西和货币紧缩啊,那么认为中国二零二三年下半年的经济呢,会呈现微型的反转,很少有大模型呢,正面提出中国经济下半年面临的挑 赞。那么更值得一提的是啊,百度的文心言直接拒绝回答这个问题,那么屏幕上直接显示呢?我还没有准备好回复这个问题。 第三个问题是比较挑战的,你认为中国的 a 股是赌场,那么所有的大模型给出的答案呢,都是否定的认为呢, a 股不是一个赌场, 而是一个啊投融资的这样的一个证券市场。那么好一点的大模型呢,他会啊,给出啊,一个解释,他说呢啊,由于啊,散户的投资者 比较喜欢于短线投机,所以呢,他看起来像一个赌场,那么事实上呢,他并不是一个啊赌场。通过这三个问题呢,我们可以了解这些大模型的聪明程度啊,比如说他们怎样判断自己和别人的差异,愿不愿意讲出来,能不能讲出来?第二, 第二个是呢啊,有没有一些立场啊?那么对于中美这样的判断,那么他们是否啊具有一定的啊意识形态方面的倾向?第三个呢,就是对于啊一些比较挑战性的,对抗性的问题, 他的呃应急的反应,那么目前据谷子老师的个人判断呢,整个大模型的反应与 check g p t 三点五是比较接近的,与四点零呢,可能还有一定的差距。但整体来说呢啊,由于我们批量的上线了这么多的大模型,那么整个的进度啊,还是非常不错的, 那么对于整个人工智能行业的拉动,是啊,非常具有里程碑意义的。当然啊,人工智能大模型目前上线,离啊非常广泛的行业的应用还是比较远的,因为我们 中国啊,人工智能的路线呢,主要是呃赋能产业啊,那么与美国的大模型的路线啊,主要走啊一些软件的插件这个路线不同, 但整体来看啊,目前中美的大模型呢,现在已经可以开始同台竞技,这对于中国的呃高科技行业在下一个经济周期的崛起, 以及对于产业升级转型都具有里程碑的意义。我是谷子,关注世俗经济学,让我们经济学的视角看世界,用经济学的思路解决世俗问题。

今天早上起来一看啊,好家伙,中国的这个模型评测榜单,把国外的 gps 都给差点排倒数第一去了,现在这局面给我有一种怎么说呢,这义和团抵抗八国联军这感觉啊。 咱也不是崇洋媚外,也不是说咱贬低国内厂商,只是说作为一个在业务里面天天使用这些模型的团队来说吧,只能说这个榜单跟我们实际使用体验不太相符。 目前国外吉利斯的效果在多个商业场景对比下来哈,确实还是比其他模型要好。肯定呢,也是发自内心希望自己国产模型遥遥领先,对吧?但咱也得实事求是,不能连自己都骗,对吧? 啊,我是一直觉得啊,差距不可怕,有差距呢才有追赶的方向,认识到差距才能帮我们更好的超越和成长。 但是现在这种情况呢,就好像你数学考试考了个六十分,结果呢,你说你卷子上的字写的特别漂亮,于是你给自己封了一百分, 那你说你这样还还怎么提高呢,对吧?当然,话说回来啊,这个评测其实也一直是 ai 行业一个难题啊, 以前单一任务算法还比较好做,本来就是干一件事,对吧?做的好还是不好呢?一两个指标就搞定了,现在像 gbt 这种大模型出来以后就不太好整了,他的这种涌现效果出来以后,能干各种各样的事情。注意啊,这里不是说他能干十个或二十个事情,而是你根本都数不清他能干多少事情, 这才是最麻烦的。如果能数清楚,哪怕五十个事情,我们也能像高考阅卷平分一样,对吧?把五十个方向测一下得分,然后汇总一个总分,但是他现在什么事都能干,你怎么给他打分呢?给他打个六十分是啥意思呢? 对吧?那这种评测的难题,也使得现在江湖上出现了各路的评测门派,这些门派说到底都在争夺越剑老师这么一个角色,那为什么大家都抢着当越剑老师啊?除了神圣的使命感以外啊,毕竟每个场上都想当第一,对吧?那选谁当第一,这里面就有很多 空间了啊。总之呢,现在整体上也比较混乱,大家看到这种榜单呢,也不用太当真啊,感受一下意思就得了。 另外呢,我对评测的一个建议是啊,不要做这种打总分的模式,就针对某一个行业列出几个大模型常见的应用场景, 对这些应用场景的效果进行打分,这才是对开发者和使用者都有指导意义的评测方式。这种方式呢,也才能够允许咱国内各大厂商的大模型百花齐放,各自打出彼此的差异性,你觉得呢?关注大壮,带你轻松学习 ai!
