每天听简报，了解最新科技、AI、软件资讯
一份研究测试了主流人工智能聊天机器人回答金融问题的准确率，表现最好的模型是开启推理模式的Claude Opus 5，即便如此仍有百分之三十九的问题答错。研究让每个模型对同一个问题连续答五次，一共测试六百次，累计评估超过一万条问答，全程不给提示不给范例，答案对错交给另一个大模型来判定。评论区吵得很凶，有人翻出报告举的错误案例，发现十条里七条来自入门级的Haiku，认为拿它的结果来说整个技术不靠谱并不公平；也有人反驳，现实里大多数普通用户用的正是免费版，Haiku恰恰是他们每天接触到的模型。
进度保存在本设备 · 登录同步