几种模型回答同一问题的对比

9款模型对比模型vicuna7B,13B, glm6B, Chinese Lamma7B,13B，chatgpt，gpt4,rwkv,基于Bloom的Belle

gradio写了一个简单的测试接口

问题: 防晒霜的使用顺序？

1.清华大学glm6B模型

2.斯坦福大学的vicuna7B模型

3.斯坦福大学的vicuna13B模型

4.哈工大的lamma 7B

5.哈工大的lamma13B

6.chatgpt

7.Gpt4

8.RWKV：回答的也是驴唇不对马嘴😂

9. 经过微调的Bloom模型，BELLE-7B-2M

结论

综合来看斯坦福的vicuna模型7B效果最差，其次是13B，缺少对中文语料的训练，所以导致对中文理解较差，哈工大的Lamma 7B弱于13B，哈工大的13B和glm6B效果差不太多，但都弱于Chatgpt ,gpt4效果最好。