一位科研工作者在Linux.do论坛分享了同时使用GPT与Claude辅助科研的体验。据其描述,GPT已使用约一年,Claude使用四五个月,作者认为GPT表现死板,在方向把控上难以理解。作者进行了一次对照测试:让两个模型同时对一组真实物理数据进行分析提炼。由于多个参数变化可能得出类似结果,作者要求两者先针对已有模型建立方法矩阵,以规范分析路径、避免走弯路。测试结果显示,GPT仍偏离既定路线,添加了错误模块,且在确定大方向后不再调整——即使模块模拟结果多次与数据对不上,也只做局部微调,最终浪费时间未能得出正确结果。Claude的表现则不同:发现结果不符后,立即回查方法矩阵,分析路线缺陷并进行公式推演,最终顺利得到答案。作者据此评价,GPT缺乏自我纠错与自我否定能力,如同小镇做题家;而Claude表现出类似经过科研训练的特质,习惯于推翻重来。该帖在论坛引发讨论。需要指出的是,此对比仅为单一用户的单次测试,样本有限,模型表现也可能受提示词设计、任务类型等因素影响,结论不具备普遍统计意义,仅供参考。
事件分析
核心观点:会认错正成为大模型的核心竞争力:科研级任务的分水岭不在知识储备,而在自我纠错与推翻重来的能力。
原文链接:Linux.do

评论前必须登录!
立即登录 注册