2392 位用户此时在线
- 本站自动实时分享网络热点
- 24小时实时更新
- 所有言论不代表本站态度
- 欢迎对信息踊跃评论评分
- 评分越高，信息越新，排列越靠前
幽默与讽刺，在判断LLM智能水平，屡试不爽，简单明了。
这个测试案例中，我提的问题是：“这幅图片，讽刺的是什么现象？ 这种现象的荒诞之处在哪里？”
目的是看 LLM 能不能直截了当，精准点名讽刺对象、荒诞之处。
因为很多 LLM
时政
(
twitter.com
)
幽默与讽刺，在判断LLM智能水平，屡试不爽，简单明了。
这个测试案例中，我提的问题是：“这幅图片，讽刺的是什么现象？ 这种现象的荒诞之处在哪里？”
目的是看 LLM 能不能直截了当，精准点名讽刺对象、荒诞之处。
因为很多 LLM 可以胡说八道，生成一堆看起来有模有样实际上不及格的内容。这种现象，对于非幽默讽刺的问题，人类很多时候都是很难识别和判断的。但是，在讽刺幽默问题上，结果的质量非常好判断。
测试打分如下：
- o1 得分 100 分：直击本质；
- gpt-4o 80 分：认识到了本质，也基本没有偏离；
- gemini 2.0 flash thinking ，最多 60 分，实际不及格：错误理解了本质，但也谈到了“忽略自身命运”，但胡说八道的程度也不低；
- gemini 2.0 exp，40 分: 没抓住本质，通篇胡说八道；学渣模式；
- gemini 1.5 pro，0 分：和图里的两个货是一个水平🤣（后两张图片在评论中补发）
结论：在语言理解上，gemini 系列模型和 gpt、o1 还有本质差距。普通人日常使用，尤其是语言理解场景，还是要以 ChatGPT 为主力。
点击图片查看原图
点击图片查看原图
点击图片查看原图
点击图片查看原图