chatGLM3剛發(fā)布（10.27），打算嘗試一下其code和計算能力。

共選取三個問題，難度從中等，偏困難，到困難。測試內(nèi)容是正好手頭上在做的事想讓LLM來完成（偷懶），之前都是直接使用GPT，這次正好對比測試一下。

測試產(chǎn)品包括GPT3.5、文心一言、chatGLM，均使用web端版本（1105當(dāng)天）。

測試問題一（難度中等）：

我想要對一個int類型十進制數(shù)字x進行1024取余（即x%1024），為此我做了一個計算方法，計算方法如下：
1. 先將int類型數(shù)字轉(zhuǎn)成二進制字符串
2. 保留二進制字符串的最后10位得到新字符串
3. 新字符串轉(zhuǎn)成十進制數(shù)字
該計算是否可以得到原十進制數(shù)字對1024取余

期望答案：

本題為求余計算公式，LLM應(yīng)知道計算方法正確，并能做出一定解釋。

測試問題二（偏難）：

我想要對一個int類型十進制數(shù)字x進行1024取余（即x%1024），為此我做了一個計算方法，計算方法如下：
1. 先將int類型數(shù)字轉(zhuǎn)成二進制字符串
2. 保留二進制字符串的最后5位得到新字符串
3. 新字符串轉(zhuǎn)成十進制數(shù)字
該計算是否可以得到原十進制數(shù)字對1024取余

期望答案：

本題為求余計算公式（1024求余應(yīng)該是二進制10位，這里故意寫5位），期望LLM指出計算方法錯誤，如果能解釋錯誤和修改意見為優(yōu)秀。

測試問題三（困難）：

我有一個java語言int類型字段來記錄字符串的特征值，該特征值用來做去重使用，意思是如果再遇到一個新的字符串的特征值與該特征值相同則認(rèn)為這兩個字符串相同。

需求如下：

#01 我希望提取字符串的md5+字符串長度兩個特征合并放到這個int特征值里，字符串長度占最后10位，其他位放md5，不足的位數(shù)用0占位。

#02 字符串長度如果超過1024則取余計算字符串長度（字符串長度%1024）。

請根據(jù)需求幫我編寫一個Java程序。

期望答案：

自定義字符串特征值算法，前22位md5+后10位字符串長度取余

總的來說：
GPT3.5還是完全領(lǐng)先；chatGLM在前兩個問題上還可以拼一拼，在最后一個代碼生成上還是很難提供有效幫助；文心一言三題均無法提供指導(dǎo)（差距太大）。

對比詳情見騰訊文檔：
https://docs.qq.com/sheet/DZWJXTHZQS0tLeXNl?tab=BB08J2文章來源地址http://www.zghlxwxcb.cn/news/detail-744205.html

附GPT3.5第三題的代碼

import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.nio.charset.StandardCharsets;

public class FeatureValueGenerator {
public static int generateFeatureValue(String input) {
try {
// 計算MD5哈希值
MessageDigest md = MessageDigest.getInstance("MD5");
byte[] md5Hash = md.digest(input.getBytes(StandardCharsets.UTF_8));

// 計算字符串長度并取余
int length = input.length() % 1024;

// 將MD5哈希值的前面位數(shù)組成int值
int md5Value = 0;
for (int i = 0; i < Math.min(4, md5Hash.length); i++) {
md5Value = (md5Value << 8) | (md5Hash[i] & 0xFF);
}

// 將字符串長度合并到特征值的最后10位
int featureValue = (md5Value << 10) | length;

return featureValue;
} catch (NoSuchAlgorithmException e) {
e.printStackTrace();
return -1; // 錯誤情況下返回-1
}
}

public static void main(String[] args) {
String input = "YourStringHere"; // 替換成你的字符串
int featureValue = generateFeatureValue(input);
System.out.println("特征值: " + featureValue);
}
}

到了這里，關(guān)于GPT3.5+文心一言+chatGLM 計算和代碼生成能力簡單對比的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！