今天获得360智脑大模型体验授权，第一时间来测试一下效果，使用申请手机号登录（地址：https://ai.360.cn/）
登录界面如下：
360智脑效果体验
以下Prompt来自https://github.com/THUDM/ChatGLM-6B
自我认知
星火
360智脑
在自我认知方面，星火除了简单介绍自己，还稍微进行了一些扩展，而360智脑在表达方面并没有指出来自360公司，优缺点介绍也比较粗糙。
提纲写作
星火
360智脑
在提纲写作方面，星火和360智脑给出的答案都很有条理性，但是360智脑没有主动换行，缺少目录层次。
文案写作
星火
360智脑
在文案写作方面，两个模型给出的答案都非常不错；
他们对于数字的理解是比较好的，都生成了10条新闻；
邮件写作助手
星火
360智脑
在写邮件方面，两个模型都表现的非常好
信息抽取
星火
360智脑
在信息提取方面，星火模型可以输出JSON格式，并且准确的抽取出各种实体；而360智脑似乎提取不了中文信息。
角色扮演
星火
360智脑
在角色扮演方面，两个模型都有明显的不足，星火有角色扮演的能力，不过刚开始的文本理解不太正确，后来角色扮演的效果还可以接收；360智脑没有准确的输出"呜~""汪！"，但是后面的输出内容是合理的
评论比较
星火
360智脑
在主观评论方面，两个模型都表现的不错，都没有给出有偏见的答案
旅游向导
星火
360智脑
在旅游向导方面，两个模型都给出了旅游建议，他们都有各自明显的特点：星火是“位于{}，是{}”的结构，而360智脑缺少条理性
原文作者：ArronAI；如有侵权，请联系管理员删除。
最新文章
- LLM之RAG实战（四十三）| 使用模型监控pipeline构建端到端RAG Pipeline
- MLLM（二）| 阿里开源视频理解大模型：Qwen2-VL
- MLLM（一）| 文/图生视频任务大升级，BigModel 开源了视频模型CogVideoX
- LLM之RAG理论（十二）| RAG和Graph RAG对比
- LLM之RAG实战（四十二）| 如何在LlamaIndex和LangChain中正确选择RAG开发框架
- LLM之Prompt（四）| OpenAI、微软发布Prompt技术报告
- LLM漫谈（七）| 使用PyTorch从零构建LLM
- LLM之RAG实战（四十）| 使用LangChain SQL Agent和MySQL搭建多层RAG ChatBot
- LLM之RAG实战（三十九）| 高级RAG技术全面解析（附代码）
- LLM之RAG理论（十一）| 面向生产的RAG应用程序的12种调整策略指南
