比起各种大模型BenchMark，不如来比比生活中真正会遇到的离谱问题。最近测试了多个新发布的大语言模型，通过一些趣味活动如海龟汤推理游戏、钢琴演奏和回应亲戚的视频观点，来评测这些模型的推理和应用能力。
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。
如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
正在改变与想要改变世界的人，都在 虎嗅APP
比起各种大模型BenchMark，不如来比比生活中真正会遇到的离谱问题。最近测试了多个新发布的大语言模型，通过一些趣味活动如海龟汤推理游戏、钢琴演奏和回应亲戚的视频观点，来评测这些模型的推理和应用能力。