实战评测，谁是构建 agent 能力最强的国产大模型

从一个真实的需求《Good老师考考你》开始

小朋友完成策划稿

1. 指定题库，以保证题目不超纲不乱说乱编；
2. 每人答题3次，自动结束并判断获奖情况；
3. 下个人挑战不重复出题要的吧。
   
   
   
   

1. 隐藏答案，题库中题目和答案是成对的，出题时要隐藏答案；
2. 自动推进游戏，游戏未结束前每次公布答案后还需要继续出题；
3. 结束游戏并算分，包括正确计算答题次数（3次）、正确回答次数和所获奖项；
4. 继续下一位选手，上一轮游戏结束后引导后续选手继续；
5. 随机出题，即在题库中随机选择题目；
6. 不重复出题，全局判断重复有点难，本次测试只要在连续两位选手中不重复即为成功；
   
   
   
   

• 124是文课题，只要能听懂语言，大概率能作对。
• 356明显是需要理科思维的，尤其任务3，除智谱外所有的国产模型都做不到，但是GPT3.5能答对。