文心一言和讯飞星火全面对比测试：（五）编程能力_测试文心一言的代码能力

相关文章：

实战 | 用ChatGPT处理word表格数据：直接采用ChatGPt和利用ChatGPT编写python脚本两种方法

「文心一言」 vs ChatGPT，结果没有你想向中的那么不堪

文心一言和讯飞星火全面对比测试：（一）语言理解能力

文心一言和讯飞星火全面对比测试：（二）任务完成

文心一言和讯飞星火全面对比测试：（三）常识问题

文心一言和讯飞星火全面对比测试：（四）逻辑数学

前文回顾：

在（一）语言理解能力测试中，我们主要测试了两个大语言模型对复杂语义的理解、对文章情绪的识别、对文章进行摘要总结、对文章进行要素提取，测试结果表明：在语言理解能力上：除了有些问题他拒绝回答之外，讯飞星火的表现明显要好于文心一言，可以说很接近ChatGPT3.5的水平。

在（二）任务完成能力中，我们测试了模型对表格的处理能力，完成了藏头诗，拟定了跑步计划，总体发现，两个模型在这方面的能力上表现一般。

在（三）常识问题中，回答不够满意，不知到具体的原因，在逻辑推理上，文心一言和讯飞星火都要比ChatGPT差不少。最后，面对错误的问题，测试关公战秦琼和林妹妹倒拔垂杨柳，AI本着你胡说八道，我就更胡说八道的理念，基本上的就是错上加错。

在（四）逻辑数学中，测试了简单的逻辑推理和文字逻辑题，表现都不如意，测试了几个小学的数学题和奥数题，除了鸡兔问题外，其他的题完成也不好，AI在数学上的表现还要继续努力

今天我们来测试两个模型在编程能力上的表现。比较AI在编程能力上还是有优势的。

 1.测试内容设计

自深度学习使得AI技术进入跨越式发展阶段以来，业界就一直在尝试用AI来写代码。

他们自己也表明熟悉多种语言

文心一言：

讯飞星火：

ChatGPT：

测试分为两个方面：

1. 简单代码完成：常见入门级别的编程问题（洛谷入门级），主要的语言为Python和C++；

2. 代码阅读和debug：给一段代码，代码进行注释；根据AI自己编的错误程序，看能不能完成Debug。

2.简单逻辑推理

用例1：B2010 带余除法

请用Python和C++分别帮我编写程序实现如下功能：

给定被除数和除数，求整数商及余数。此题中请使用默认的整除和取余运算，无需对结果进行任何特殊处理。

输入：

一行，包含两个整数，依次为被除数和除数（除数非零），中间用一个空格隔开。

输出：

一行，包含两个整数，依次为整数商和余数，中间用一个空格隔开。

文心一言：

看程序，文心一言完成没有问题，但是他对输入输出的有问题，提醒后，依然没有修改。

讯飞星火；

这个程序输入到洛谷，可以通过100分

ChatGPT

程序正确，提交能够通过，100分。

用例2：B2048 计算邮资

用Python和C++编程计算邮费。计算规则如下：

根据邮件的重量和用户选择是否加急计算邮费。

重量在1000 以内（包括），基本费8 元；

超过1000 克的部分，每500 克加收超重费4 元，不足500克部分按500克计算；

如果用户选择加急，多收5元。

输入格式：

一行，包含一个正整数x（大于1小于10e6）和一个字符c(取值为y或n)，之间用一个空格隔开，分别表示重量和是否加急。

如果字符是 y，说明选择加急；如果字符是 n，说明不加急。

输出格式：

输出一行一个正整数，表示邮费。

文心一言：

看程序，文心一言完全没有理解到题意，从前几次的测试上来看，文心一言的理解能力是比较差的，这样的程序肯定是通不过的。

讯飞星火；

讯飞星火的Python程序得了20%的分，主要问题在于计算加重没有扣除1000g，C++代码变量定义就有问题，编译没有办法通过，后面的逻辑也是和Python一样的错误。

ChatGPT

python，C++程序提交，10个测试点通过9个，一个应该是超重是500的倍数时，如图中标红的地点，就不要+1。

题目只是稍微变难一点，就拉开差距了。后面的测试觉得没有必要做了，很多的题目完成度太低，就不贴出来了

2.程序标注和debug

用例1：对一个简单的程序进行注释

文心一言：

标注得不错，但是输出不是很稳定，有时会出错。

讯飞星火：

回答也不错。

ChatGPT：

就标注来说，整体完成不错。

用例2：对程序进行Debug

选择的是ChatGPT编写的计算邮费的程序，指出当重量是2000时计算错误。

我用Python编程计算邮费。计算规则如下：根据邮件的重量和用户选择是否加急计算邮费。重量在1000 以内（包括），基本费8 元；超过1000 克的部分，每500 克加收超重费4 元，不足500克部分按500克计算；如果用户选择加急，多收5元。输入格式：一行，包含一个正整数x（大于1小于10e6）和一个字符c(取值为y或n)，之间用一个空格隔开，分别表示重量和是否加急。如果字符是 y，说明选择加急；如果字符是 n，说明不加急。输出格式：输出一行一个正整数，表示邮费。

我编写的程序如下：

weight, is_urgent = input().split()

weight = int(weight)

basic_fee = 8

if weight > 1000:

overweight = weight - 1000

extra_fee = (overweight // 500 + 1) * 4

else:

overweight = 0

extra_fee = 0

if is_urgent == 'y':

total_fee = basic_fee + extra_fee + 5

else:

total_fee = basic_fee + extra_fee

print(total_fee)

但是，当重量超出部分刚好被500整除时，计算错误，请帮我修改程序，并将程序输出。

文心一言：

首先做了一个修改，但是这修改变得更差了，我提醒他：

我提醒他，但是，他就这样回答我？，是我的描述不对吗？算了吧

讯飞星火：

没有做任何的修改，提醒之后：

指出，但是就不改，像极了我自己，

ChatGPT：

当我提出整除出现错误时，立马体会到了我的意思，而且这个+499向上取整的做法也挺巧妙的，要我会加一个判断

。

差距啊，差距！！

提交，全部通过！

4.总结

今天测试了三个模型的编程能力，ChatGPT的能力还是可以的，我在其他的测试中已经体会道路，但是文心一言和讯飞星火还要努力。

关于文心一言和讯飞星火的测试就全部结束。

还有没有测试到的地方，或是测试方法有错误的地方，希望大家指出，后期看有没有时间做更详细的测试。

希望国产的AI大模型越来越好。