中外大模型数学能力比拼

可梦之

- e6 p  A6 m, Y: c1 x遇到一个数学问题，懒得推导了。习惯性让GPT推一下。

最开始问题给错了，然后纠正了一下，貌似GPT就鬼打墙出不来了。给的答案也不对。

/ H3 x6 H3 j( X$ V- ]
0 @9 q# }- i# r) Q可能受上下文影响。那重开一个对话，结果还是不对。要么说没有解


8 Y" ]; E. e7 M
8 f# C: o. x9 U- ]' ?7 R
1 J3 c- W4 N' V1 f% _+ U3 E' f% w
要么继续胡说八道。

5 p! B/ x8 h2 w9 }0 `
9 Q7 N% P) }( j0 q4 N( ]: E! ?抱着试试看的态度，把同样的问题扔给了豆包和deepseek。

deepseek速度快，结果也对，但是过程是不对的。


3 j5 H. U9 |1 b4 G豆包过程比较绕，但是基本正确，结果也是对的。
) y: `9 X  W: f3 j8 O6 M- J+ E
+ A5 \/ [; ^$ h$ C, ?" h  |  i
& j/ ]( Z, |, V" Q当然，都不如人推导的哈。
7 L, C4 `, O7 V/ W) B7 o- @
: k. |4 B" z3 n& h4 l; p
过去一年多，算是ChatGPT的深度用户，感觉也不错，一直花钱买VIP。但是对国产大模型用的不多。一方面最开始用户体验不好，一方面自己内心还是有点看不起国内的大模型。内心是不希望ChatGPT输的，所以反复尝试了多次，还是不行。
1 y. f; _. |) p/ d8 X! H5 f
虽然GPT可能被我误导了，换个账号也许就没问题了？虽然这只个例，ChatGPT比国内大模型表现好的多了去了。但却破除了我心中的执念，以后有问题，也会在国内大模型试试了。


( z8 _5 N# N' ^, E6 z- f, c* T6 v8 p& M2 ~  j
& p( I- L0 w- B# }
2 W& ?6 n+ K( E8 e0 r1 F. H4 W$ y

可梦之

个人推导错了 落了一个系数2.

( [$ |! I/ p* h/ e3 ~. J这也是我们需要AI的原因啊

马鹿

我没用过花钱的AI， 但是我觉得各有优缺点吧。
! `0 q0 I9 d) B$ }0 l/ V  z( L; W
要是用中文问问题， 我喜欢国内开发的， 要是用英语问国产AI我会特意指名用英语搜国外的资源。

3 e" U# z6 K( v% y2 C$ S1 y即使美国的几个AI， 答案也不一致， 我都是一个问题问2，3个AI。
4 f- P* Q$ c9 `7 ^) b
0 n+ ~) Z0 L+ H( o现在搜索喜欢上了AI搜， 平时看我在用哪个笔记本， 工作上有一个笔记本上有vs code，所以顺手用了copilot；
另外的一个笔记本我基本上只常规使用搜。
9 f  A6 B' {% f" {) j# v* `1 A
5 d1 `$ |/ [  b3 |# ]$ }我个人的本上装了好几个AI， 经常每个问一下。

方恨少

马鹿 发表于 2025-1-26 22:43
& A$ \5 P) u* [: t0 X$ L我没用过花钱的AI， 但是我觉得各有优缺点吧。
( L- K9 m" y, j( }) @
! L# ]0 n$ n5 R  `# T要是用中文问问题， 我喜欢国内开发的， 要是用英语问国产A ...

我个人的本上装了好几个AI， 经常每个问一下。

( D( _9 @* ~/ Y, E& Q. z
4 i9 ?# t9 b" S; K所以到底哪个更好？

松叶牡丹

Chatgpt数学非常不行。以下是个典型例子：
1 v. ^0 F. r, o, m% ]& n9 a
9.11和9.9哪个大
ChatGPT said:
ChatGPT
9.11 比 9.9 大。
' r* c; I7 `$ k' K2 j) _
原因是比较小数时，先看整数部分：两者都是 9。然后看小数部分，从左到右逐位比较：

! |5 r$ L& j- u; [9.11 的小数第一位是 1，9.9 的小数第一位是 9。
3 G7 F- i5 B* L4 i0 F- `6 x由于 1 < 9，因此需要继续看下一位。
$ Y7 B7 u9 @4 `' D' x+ h% A. s9.11 的小数第二位是 1，而 9.9 的小数第二位可以看作是隐含的 0（即 9.90）。
/ J  V7 n8 m1 X8 \因为 1 > 0，所以 9.11 > 9.9。

马鹿

方恨少 发表于 2025-1-26 12:55
所以到底哪个更好？

说不上哪个好，真有要问的问题 都跟个遍， 看看哪个答案适合自己。 就连平时的搜索我都是bing 和google互相验证。