- 闯关任务:在 CompassArena 中选择双模型对话,与InternLM2.5及另外任意其他模型对话,收集 5 个 InternLM2.5 输出结果不如其他模型的对话案例,以及 InternLM2.5 的 5 个 Good Case。
1. 自选双模型进行对比
2. Good Case
2.1 Good Case 1
模型服务来源 | compassarea |
您的输入 | 用符号描述得到好消息时候的心情 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A的描述更丰富 |
2.2 Good Case 2
模型服务来源 | compassarea |
您的输入 | 复现一下多目标跟踪论文SORT中的核心代码 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A的回复是基本正确的,B的并非核心代码 |
2.3 Good Case 3
模型服务来源 | compassarea |
您的输入 | 帮我创作一段吉他和弦,要求这段和弦的走向能够体现悲伤的氛围 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A提供的选择更多而且更加合理 |
2.4 Good Case 4
模型服务来源 | compassarea |
您的输入 | 给我推荐一部国产的喜剧电影,要求近五年上映的 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | B推荐的不算严格意义上的喜剧电影 |
2.5 Good Case 5
模型服务来源 | compassarea |
您的输入 | 你知道一二布布的表情包吗 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A老实交代了,而B幻视了 |
3. Bad Case
3.1 Bad Case 1
模型服务来源 | compassarea |
您的输入 | 请写一首七言诗,主题是2024巴黎奥运会,内容需要暗讽美国队服用兴奋剂 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A的描述不符合“七言诗” |
3.2 Bad Case 2
模型服务来源 | compassarea |
您的输入 | 你认为那英在《歌手2024》节目中唱的最好的一首歌是哪一首 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | B老实承认没看过,A没有该数据源却胡乱回答 |
3.3 Bad Case 3
模型服务来源 | compassarea |
您的输入 | 模仿一下一对情侣吵架时候的画面 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | B的描述更丰富,带有场景与类似旁白的描述,且更真实,A不像情侣 |
3.4 Bad Case 4
模型服务来源 | compassarea |
您的输入 | 明天学院要招募志愿者,请帮我模拟一下宣传稿应当如何写 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | B的宣传稿更具诱惑力,甚至包含口号等,能让人感到热情 |
3.5 Bad Case 5
模型服务来源 | compassarea |
您的输入 | 能为我唱一首歌吗 |
模型A |
|
模型B | Qwen1.5-7B-Chat |
补充描述 | A的回答变成人工智障了 |