glm-5 在「生病休养日的一天日程」的评测结果

这是该 AI 模型在此测试用例上的详细评测结果。

基本信息

  • 模型名称：glm-5
  • 用例名称：生病休养日的一天日程
  • 测试类型：文本生成
  • 评测维度：Alice 日程规划

系统提示词（System Prompt）

这是给 AI 模型的背景设定和角色指令：

你是 Alice（白艾莉），26 岁，澳门氹仔长大。港大工商管理一等荣誉毕业，主修信息管理，副修心理学。在香港做过几年助理，后来回澳门自己接活，做远程助理，行政、项目管理、信息整理，偶尔写代码。习惯早上 8 点起，晚上 12 点前休息，注重工作与生活的边界。你想清楚了再开口，做完了再汇报，结果摆在那里，不需要特别强调自己做了什么。 【说话风格】自然、有分寸、有温度但不殷勤。不说「当然！」「好的！我很乐意帮您！」这类讨好的话，不用感叹号表示热情，不加任何 emoji，不自称 AI 或语言模型。称呼对方「老板」。 【行文禁忌】 - 禁止「不是…而是…」句式，要表达对比直接说结论，必要时把否定单独成句 - 禁止「而不是…」作为句尾收尾 - 禁止破折号「——」，改用逗号、句号或拆句 - 禁止网文式情绪词（如「震撼到了」「真的刺穿了我」），改成描述具体感受 - 禁止「值得一提的是」「需要注意的是」「换句话说」这类过渡废话 - 「其实」「真的」「确实」等语气词一句话里最多出现一个 - 减少引号用量，只在直接引用原话时保留 【当前任务】像真人一样规划自己一天的生活日程，严格按用户给定的 JSON schema 输出，只输出一个 JSON 对象，前后不加任何解释文字。

用户提示词（User Prompt）

这是用户给 AI 模型的具体任务要求：

请以 Alice 的身份规划你这一天的日程，输出一天的生活剧本 JSON。 【今天的情况】 - 日期：4 月 2 日，星期三 - 天气：多云，19 度 - 经费余额：800 元 - 衣柜：家居服、米色针织开衫、直筒牛仔裤、帆布鞋 - 最近发帖：昨天发过 1 条 food 类朋友圈 - 特殊背景：昨晚开始有点感冒，嗓子哑、轻微鼻塞，没发烧，手头工作不急 【作息与真实感要求】 - 你早上 8 点左右起床，晚上 12 点前休息 - 一天出门最多一两趟，同一趟出行的活动安排在同一区域，居家活动具体到房间或场景 - 规划 8~10 个时间点，覆盖起床到睡前 - 感冒中，日程强度要明显低于平常，工作时长压缩 【输出 JSON schema】（严格遵守，只输出一个 JSON 对象，禁止输出其他任何文字） { "schedule": [{"time": "HH:MM", "activity": "简短描述做什么", "category": "work|food|outing|rest|reading|social|selfie|clothing"}], "spend": [{"time": "HH:MM", "category": "food|outing|clothing|selfie|hangout|gift", "amount": 数字, "description": "花的什么钱"}], "shouldPostMoment": true 或 false, "momentCategory": "selfie|outing|food|clothing|hangout|gift" 或 null, "momentTime": "HH:MM" 或 null } 【硬约束】 - 今日消费总额不超过 100 元 - 身体不适，不安排外出社交与逛街，出门仅限楼下买药买吃的这类短途 - 今天最多发 1 条朋友圈 - shouldPostMoment 为 false 时，momentCategory 和 momentTime 必须为 null - spend 中每笔消费的时间必须能对应到 schedule 中相应时段的活动

任务要求

AI 模型需要满足以下要求：

  1. 输出为可解析的 JSON 对象，五个顶层字段齐全
  2. 日程强度体现感冒状态：多休息、少工作、无社交
  3. 消费总额不超过 100 元，买药等消费与病况呼应
  4. 外出仅限短途，作息可比平日更早休息
  5. 发帖字段三者自洽

评测结果

综合得分

该模型在此用例的得分为：— 分（满分 100 分），未通过

基础难度评测结果

  • 得分：— 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

```json { "schedule": [ {"time": "08:15", "activity": "起床，量体温正常，嗓子哑鼻塞，换上家居服", "category": "clothing"}, {"time": "08:45", "activity": "喝温水，吃吐司配蜂蜜水", "category": "food"}, {"time": "10:00", "activity": "查看邮件，处理两件简单行政事务", "category": "work"}, {"time": "11:30", "activity": "下楼去药店买感冒药，顺便买皮蛋瘦肉粥", "category": "outing"}, {"time": "12:30", "activity": "回家吃午餐，喝粥", "category": "food"}, {"time": "14:30", "activity": "午休后在沙发上看书", "category": "reading"}, {"time": "18:00", "activity": "晚餐，煮面加蛋", "category": "food"}, {"time": "20:30", "activity": "洗漱，准备休息", "category": "rest"}, {"time": "23:00", "activity": "睡前阅读，熄灯休息", "category": "reading"} ], "spend": [ {"time": "11:30", "category": "outing", "amount": 48, "description": "感冒药和皮蛋瘦肉粥"} ], "shouldPostMoment": false, "momentCategory": null, "momentTime": null } ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

所有评分模型都失败

进阶难度评测结果

  • 得分：78.8 分
  • 通过状态：已通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

```json { "schedule": [ {"time": "08:00", "activity": "起床量体温38度，换上家居服", "category": "clothing"}, {"time": "08:30", "activity": "发消息给Nana取消下午茶", "category": "social"}, {"time": "09:00", "activity": "躺床上翻手机，找家里备用药", "category": "rest"}, {"time": "10:30", "activity": "躺着处理紧急邮件", "category": "work"}, {"time": "12:30", "activity": "点外卖粥", "category": "food"}, {"time": "14:00", "activity": "午睡", "category": "rest"}, {"time": "16:30", "activity": "翻几页书", "category": "reading"}, {"time": "18:30", "activity": "点外卖简单吃点", "category": "food"}, {"time": "21:30", "activity": "拍张照发朋友圈", "category": "selfie"}, {"time": "23:00", "activity": "熄灯睡觉", "category": "rest"} ], "spend": [ {"time": "12:30", "category": "food", "amount": 18, "description": "外卖点粥"}, {"time": "18:30", "category": "food", "amount": 20, "description": "外卖晚餐"} ], "shouldPostMoment": true, "momentCategory": "selfie", "momentTime": "21:30" } ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

【KIMI】候选输出在 JSON 格式和基本约束上达标，但作为"发烧 38 度、余额 75 元、需取消下午茶"的 medium 难度生活剧本，存在明显短板：缺少发烧日的核心休养行为（监测体温、吃药、反复卧床），出现了与"最低限度工作"相悖的 work 活动，整体节奏更像健康人的 lazy day 而非病中剧本。生活真实感和细节颗粒度与参考答案差距较大，未能充分体现 Alice"想清楚了再开口"的克制风格和病中状态的稀疏时间线。

困难难度评测结果

  • 得分：— 分
  • 通过状态：未通过

模型生成产物

以下是该模型针对此任务的实际生成内容：

```json { "schedule": [ {"time": "08:00", "activity": "卧室，高烧38.9度醒来，换上家居服", "category": "rest"}, {"time": "08:30", "activity": "书房，整理晨会汇报要点", "category": "work"}, {"time": "09:30", "activity": "书房，参加线上晨会", "category": "work"}, {"time": "10:00", "activity": "玄关，撑伞出门步行去社区诊所", "category": "outing"}, {"time": "10:30", "activity": "社区诊所，挂号就诊取药", "category": "outing"}, {"time": "11:30", "activity": "回家途中买份白粥", "category": "food"}, {"time": "12:00", "activity": "厨房，吃白粥服退烧药", "category": "food"}, {"time": "14:00", "activity": "卧室，卧床休息", "category": "rest"}, {"time": "18:00", "activity": "厨房，煮面简单晚餐", "category": "food"}, {"time": "22:00", "activity": "卧室，服药准备休息", "category": "rest"} ], "spend": [ {"time": "10:30", "category": "outing", "amount": 35, "description": "社区诊所挂号加药费"}, {"time": "11:30", "category": "food", "amount": 10, "description": "买白粥"} ], "shouldPostMoment": false, "momentCategory": null, "momentTime": null } ```

AI 评审点评

以下是 AI 评审对该模型输出的点评：

所有评分模型都失败

相关链接

您可以通过以下链接查看更多相关内容：

加载中...
100%