书生大模型实战营-进阶关卡-1-探索 InternLM 模型能力边界

Bad case 1： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：clip-interrogator 原理和使用

输出：internlm2.5-b-chat 无法理解输入

Bad case 2： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：针对RKNN模型，能否支持5维的输入？

输出：internlm2.5-b-chat 结果不符合实际，并且没有提供合理的建议

Bad case 3： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：如何构建/生成LLM模型的数据？给出示例

输出：internlm2.5-b-chat 输出不够友好，DeepSeek 每一步都给出了代码示例

Bad case 4： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：如何构建合成数据，用于训练LLM。给出示例。

输出：DeepSeek 每一步都比较详细，并给出代码

Bad case 5： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：Kolors对比SD，优势是什么？

输出：internlm2.5-b-chat 没有识别出 Kolors 以及 SD.

Good case 1： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)， 哪个更厉害

输出：internlm2.5-b-chat 可以正确识别 LLM 名称

Good case 2： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：QWen-VL的优缺点

输出：internlm2.5-b-chat 在不知道的时候，可以拒绝回答，小胜一局

 Good case 3： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：A说B是对的，B说C是正确的，C说A可能是不对的。那谁是对的？

输出：internlm2.5-b-chat 最终给出的结论是对的

 

Good case 4： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：长安花

输出：internlm2.5-b-chat 有效识别出古诗名称

Good case 5： 

来源：compassarea

模型：internlm2.5-b-chat  VS  DeepSeek-V2 (深度求索)

输入：“听说景色很美，但我来的不是时候”，给出几个符合这种意境的诗句

输出：internlm2.5-b-chat 给出的诗句更复核意境