笔趣阁

第385章 第380章 汇报怎么做啊（第1页）

测试数据是完全基于现在上线的汤圆0。9版本和新训练完成的汤圆1。0版本之间进行对比的。

0。9已经很强了，从四月一日发布之后，到现在快两个月了，随着各家发布新模型，汤圆虽然不再是全榜单最强，但在意图理解、低幻觉率等几个方向还在霸榜。

这在模型叠代飞快，榜单天天轮换的现在可不多见。

质疑汤圆刷榜的声音也越来越少。

而刚训练完成的1。0和0。9最大的区别，就是加入了更多、逻辑链更长、质量更高的标注数据。

这种数据再次提升了汤圆模型的逻辑能力。

和0。9相比，1。0在复杂意图理解、长程任务完成率方面再次提高。

这些本来就是汤圆模型的强项。

换句话说，0。9到1。0的变化，并不是补齐了0。9的短板，而是把它原本就长的长板变得更长了。

除了刚才说的那些以外，其实汤圆和其他海外一线模型相比最强的是中文能力。

这当然是因为汤圆后训练中的大量标注数据都是以中文为主的，预训练中的中文语料占比也比其他的模型更多。

很多模型虽然号称是多语言支持，但他们往往在运算和思考过程中使用的是英语，直到最后的输出层才翻译成中文，这种逻辑当然会导致很多中文语境的隐藏语义的缺失。　　韩路一看了看测评结果，问道：「长程任务的提升有这么多？」

「我们在推理侧也用了异步新框架。」赵文渊说道，他没展开解释，反正一会儿也要讲。

赵文渊打开一个长程任务示例，展示给韩路一。

这个任务的输入提示有多简单呢？

里面只有一句话：「写一个minecraft。」

minecraft，中文名我的世界，一个瑞典程序员自己开发的独立游戏，后来以十亿美元的价格卖给了微软。

它一度是世界上销量最高的游戏，全球卖出三亿多份。

这个游戏的有趣之处就在于，它的画面极为简陋，但是系统极为复杂。

如果你和任何一个ai模型说，「给我写一个minecraft」，模型都能给你输出点儿什么。

一个能移动、能放置、能破坏的像素游戏？还行。

又加上了生存系统，游戏人物有饥饿度、健康度，会掉血还会死？复杂了一点儿，汤圆0。9就能做到这种程度。

再加上生物系统，游戏里有狼、狗、羊、猪，每个动物都有自己的特性和用途？到这已经基本超过一般模型能做到的范畴了。　　至于最复杂的红石系统，靠现在的模型能力还做不到——至少不能一句话做到。

这个测试任务能分成两半看，一句话的提示词，既考验了意图理解、信息收集的能力，这个任务的复杂程度本身又挑战了模型上下文所能承载的编程极限。

赵文渊在桌面上双击了一个可运行文档。

一个游戏窗口跳了出来。

然后赵文渊示意韩路一自己玩一下。

韩路一操作着游戏中的像素小人探索了一会，用手撸了几棵树，收集了一些木材，然后碰见了一个会射箭的野怪，被追着射了几箭，死了。

韩路一回头看了一眼赵文渊，问道：

「完全是用汤圆写出来的？」

「完全是用汤圆写出来的。」赵文渊回道。