如题。 看来不能看低了 gemini 。
This topic created in 69 days ago, the information mentioned may be changed or developed.
 |
chjqpmainAug 28
1
需求以及 fabel 和 gemini 各自给的方案也发一下吧,方案的好坏,你自己一个人的评价有一定价值,但是多个人的更类似多次独立实验,更有意义吧.
毕竟人自己也可能当局者迷 |
|
chjqpmainAug 28
2
然后智者千虑和愚者千虑 我个人理解为大数定律类似的意思,
肯定没有一个东西给的答案,永永远远都是最好的, 而且评判什么是好的人的状态会变,人也可能会变,标准也可能变, 并不能单纯的说不能看低了 gemini,一切本就都可能有其独特之处,feature 和 bug 只在一念之间 |
 |
szzadkkAug 28
3
可能 95%的置信度强的模型给出的结果是比较好的，但是不排除有极少可能翻车
|
 |
cellsyxAug 29
4
1. 模型输出本来就是有概率的，再强的模型也避免不了失误，只是出问题的概率低一些而已
2. 不同模型擅长内容不一样，比如 Gemini 实现的前端效果是公认的好，但是后端任务也是公认的烂 3. 可能撞到服务端问题 fable 模型降智，或者 fallback 到了其他模型 4. 检查一下使用两个模型时的提示词和背景资料是不是给的完全一样 |
 |
moon2aAug 29
5
同意楼上关于概率的看法，同时想看看楼主的提示词和方案
|
 |
nakun233Aug 29
6
先要理解 LLM 的本质
|
 |
SorhyuAug 30
7
可能也要考虑模型训练的侧重，Gemini 定位是北美豆包，那么稀奇古怪的训练内容应该很多。
如果需求较为偏僻，Gemini 的答案比较 anthropic 的偏执狂可能给的方案更有“人性”一点。 我有一个 review 任务 DeepSeek pro 好几遍都跑不明白，Gemini 3.7 flash 一次就点中要害。。。 |
Select Language