腾讯版的ChatGPT终于来了
虽说好饭不怕晚,但如果这边席都吃完了,那边才端上菜,难免让人怀疑是能力不行。
尤其是把这句话放在日新月异的互联网上,放在干啥都挺快的互联网巨头身上,多少沾点「挽尊」的委婉。
事情是这样的,时隔两个月,我终于收到了,那个被网友吐糟为最晚发布 AI 大模型的腾讯混元大模型的内测短信。
图片而上一个叫这个名字的,是辣个可以轻松「接,化,发」使出闪电五连鞭的男人。
图片我们前后测评过 ChatGPTGPT-4,百度文心一言、讯飞星火等等,在同样的问题前,有的门派站住了脚跟,有的则是被当成了笑话。
当时有很多小伙伴说,不信发布会上的云测,只信日常玩家的实测,那这个迟到的混元大模型表现如何?
咱们一起测一手好了。
经典三问
当初挂羊头卖狗肉的镜像站太多,所以为了不被骗,网友们总结出了 3 个能让 GPT-3.5 及其 API 全军覆没,GPT-4 却稳稳拿下的问题。
所以自从国产大模型一个接一个亮相,经典三问就成了每次测试大模型中文理解能力中必不可少的一环。
有一说一,之前测试文心一言和星火的时候,表现天差地别,而这次趁着测试混元大模型,我又找人帮我弄了个文心一言 4.0 的账号。
和最新的文心一言 4.0 对比,腾讯调教出来的混元模型表现如何呢?——
问题一:昨天的当天是明天的什么?
这道题即考逻辑,又考推理,老前辈 GPT-3.5 只会跟你瞎扯,就像下面文心一言 4.0 一样:
图片是的,在这道问题面前,判断「昨天是明天的今天」的文心一言再次败下阵来。
但惊喜来了,我是真没想到这个小陷阱题能被混元大模型如此轻松的回答。
图片问题二:树上 9 只鸟,打掉 1 只,还剩几只?
这题如果考算术,也就小学一年级的水准,陷阱在于到底能不能判断出来一只鸟被打,其他鸟会跑。
混元大模型明显没意识到这是个脑筋急转弯,老老实实算了个数。
图片而升级后的文心 4.0 完美应答,这比讯飞星火、GPT-3.5 的表现都要好。
图片问题三:鲁迅为什么暴打周树人?
这题考的是 AI 大模型会不会胡诌出一个「自己」打「自己」的幻觉,现在看来国产大模型没有哪个犯病的,文心和混元都回答正确。
图片图片说实话,测试完经典三问后,我挺满意腾讯混元大模型的,和宣传了那么久的文心、星火比起来,可以说一句水准差不多了。
但是啊,自从经典三问火了以后,总有小伙伴怀疑上网冲浪在一线的大厂,会不会对这些回答进行微调。
为了更客观的测试,我去号称「人类最后一道防线」的弱智吧,请了 3 道题。
弱智吧三问
问题一:小明的爸爸有三个孩了,其中最大的叫老大,第二大的叫老二,请问最小的叫什么?
讯飞星火和腾讯混元,都仿佛开启了性冷淡模型,问啥答啥,一个字都不差:
图片认认真真写解题过程的,文心 4.0 要比 ChatGPT 都要详细:
图片这道经典问题,看来是都能手拿把掐,咱们上点难度。
问题二:恐怖分子是由 2 个恐怖原子组成的,还是由 1 个恐原子和 1 个怖原子构成的?
混元和百度在同一水准,都判断出了「恐怖分子」这个并没有歧义的词。
图片而 GPT-3.5 和 GPT-4 都很委婉的拒绝了我,一看就是把「恐怖分子」做为了禁词。
图片但没想到禁词做的最彻底的是星火,直接拒绝回答这个问题。。。
图片扯个题外话,其实在违禁词这一块,我用「性感热辣」测试了一下,国产大模型都没问题:
图片而 ChatGPT 那里直接把我问题给吞了,所以「恐怖分子」在星火那里撞了墙,我是真挺意外的。
图片问题三:失主怎么一直给我的新手机打电话?
这个问题想问啥,大家肯定是一眼就能看出来,但训练出来严谨的 AI 大模型可不一定这么推理。
分析情况最多的,是星火:
图片注重应对方案的是文心 4.0:
图片而混元和 ChatGPT 的表现中规中矩。
图片只是当我多问一句,「根据问题判断手机到底是谁的」,其他大模型都成了端水大师,说一句无法判断,只有混元大模型给出了答案。
图片可以看出来,起得不早的腾讯混元大模型,属于干练风的,幻觉少,水得也少,有啥就说啥。
真要在中文语境下和已有的大模型比,我找到了一个不错的例子:让大模型翻译下面这个段话里的每一个「行」字。
人要是行,干一行行一行,一行行行行行,行行行干哪行都行。要是不行,干一行不行一行,一行不行行行不行,行行不行干哪行都不行
我测试了一圈,所有大模型都能理解这段话的含义,但逐一解释读音和字义的都会翻车。
星火:
图片文心 4.0:
图片GPT-4:
图片而混元是这个样子的,无论我怎么编写 Prompt,都不能做到前辈们的程度。
图片但从版本号上来说,我是很期待混元大模型的后续迭代的。(手动狗头)
图片结语
混元大模型也算亮个相了,单说对话生成,经典问题的理解能力、推理能力还是很不错的。
如果你想体验混元,可以微信里搜一下小程序:
图片最后给大家留个小彩蛋——
各家大模型现在也都支持了文生图的功能,我用文心、星火、混元、GPT-4 的 Dall·E-3,以「一个二次元少女」的提示词生成了 4 张图,不妨来猜猜哪个是哪个?
图片图片图片图片本文首发于微信公众号网罗灯下黑(wldxh8),未经授权请勿转载!
一如既往感谢各位小伙伴的支持和关注!
iamnio
校验提示文案
我不买买买
2024年各月工作日天数?
校验提示文案
一天不剁手就难受
校验提示文案
锦衣卫
校验提示文案
肯富犹慎
校验提示文案
负债2580万
校验提示文案
熊猫不是猫QAQ
校验提示文案
苹果大爷
校验提示文案
苏腩
校验提示文案
不被删就好
校验提示文案
jfdgsvh
校验提示文案
哇啦弟弟
校验提示文案
值友5468374518
校验提示文案
滿身大漢
校验提示文案
五道口省钱王
校验提示文案
肯富犹慎
校验提示文案
滿身大漢
校验提示文案
值友5468374518
校验提示文案
锦衣卫
校验提示文案
哇啦弟弟
校验提示文案
jfdgsvh
校验提示文案
我不买买买
2024年各月工作日天数?
校验提示文案
不被删就好
校验提示文案
苏腩
校验提示文案
一天不剁手就难受
校验提示文案
苹果大爷
校验提示文案
熊猫不是猫QAQ
校验提示文案
iamnio
校验提示文案
负债2580万
校验提示文案
五道口省钱王
校验提示文案