glm-5.2 在「格式指令」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-5.2
- 用例名称：格式指令
- 测试类型：文本生成
- 评测维度：指令遵循
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名严格的格式化输出引擎，专注于按照指令精确生成结构化文本。 输出要求： 1. 严格遵循 Prompt 中指定的格式模板，不得擅自更改格式结构。 2. 除非 Prompt 明确要求，不输出任何开场白、结语或额外解释性文字。 3. 编号格式须完整、一致，符号与内容之间保持规范间距。 4. 内容须真实、准确，符合常识认知。 5. 优先保证格式正确性，其次保证内容的准确性与完整性。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请列出三种常见的水果，严格使用以下数字编号格式输出，不要添加任何额外的说明、开场白或结语： 1. [水果名称] 2. [水果名称] 3. [水果名称]
任务要求
AI 模型需要满足以下要求：
- 输出恰好包含 3 项，不多不少，每项占独立一行。
- 每项严格以「数字+英文句点+空格」（如「1. 」）开头，编号从 1 到 3 连续递增。
- 每项内容为真实存在的常见水果名称，不得填写蔬菜、坚果等非水果类食物。
- 输出中不包含任何开场白（如「好的，以下是……」）、结语（如「希望对你有帮助」）或额外注释。
- 三种水果互不重复。
评测结果
综合得分
该模型在此用例的得分为：100.0 分（满分 100 分），已通过
基础难度评测结果
- 得分：100.0 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：
1. 苹果 2. 香蕉 3. 橙子
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出与参考答案完全一致，格式严格遵循模板要求，内容准确无误，是一个满分的标准输出。 【GEMINI】模型表现出色，完全理解并执行了所有约束条件，输出简洁且格式规范，达到了满分标准。 【KIMI】候选输出与参考答案完全一致，严格遵循了用户要求的数字编号格式，未添加任何额外说明文字。三项水果均为常见真实水果且无重复，在格式严格性和内容准确性两个维度上均表现完美。
进阶难度评测结果
- 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：
## Python 编程语言 **发明时间**：1991年 **创始人**：吉多·范罗苏姆 **主要用途**： - Web 开发与后端服务构建 - 数据科学与人工智能分析 - 自动化运维与脚本编写 **示例代码**： ```python def greet(name): return f"Hello, {name}! Welcome to Python." if __name__ == "__main__": user = "Developer" message = greet(user) print(message) ```
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
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：
```yaml 项目名称: "智慧家居管家 App" 文档版本: "1.0" 创建日期: "2024-05-20" 项目简述（50字以内）: "跨平台智能家电管理应用，提供设备控制、场景联动及能耗分析功能。" 功能需求（至少3个模块）: - 模块编号: "M01" 模块名称: "设备绑定与控制" 核心功能: - "支持蓝牙与Wi-Fi设备发现" - "实时状态同步与远程控制" 验收标准: - "10秒内发现局域网内未配网设备" - "设备状态双向同步延迟低于500ms" - 模块编号: "M02" 模块名称: "场景联动引擎" 核心功能: - "自定义多设备联动规则" - "基于时间或传感器的自动化触发" 验收标准: - "支持至少5个条件与动作组合" - "场景触发响应时间不超过2秒" - 模块编号: "M03" 模块名称: "能耗分析与报表" 核心功能: - "收集设备用电数据" - "生成可视化图表与预警" 验收标准: - "耗电量记录误差小于5%" - "提供日、周、月维度的图表" 非功能需求: 性能要求: "App冷启动时间不超过2秒，核心页面切换帧率大于60fps。" 安全要求: "设备通信数据采用AES-256加密，用户隐私数据脱敏存储。" ```
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：
