第三百七十四章 考试合格，但没通过 (1/4)

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。

这在模型迭代飞快，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。

紧接着，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mncaft。”

mncaft，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。

与此同时，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。