对六个 AI 助手关于真实地点的日常问题的测试显示,它们的响应存在显著差异。PlaceBench 测试对 20 个问题各进行了三次提问,发现 AI 模型 Instinct 在其中 15 个问题上改变了评分,而另一个模型 Dots 则始终准确。该研究还计算了多次尝试获得正确答案的概率,Dots 显示出最高的可靠性。 AI
影响 强调了开发人员在基于这些模型构建应用程序时,需要考虑 AI 响应的可变性。
排序理由 该项目详细介绍了 AI 助手一致性测试的方法和结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →