大语言模型能力对比实验：文心一言 vs 豆包
对比了国内两款主流模型——百度的'文心一言'与字节跳动的'豆包'在不同任务场景下的表现。实验共设计了 19 项任务，涵盖逻辑推理、总结归纳、计算能力、历史知识、创作能力、伦理判断、图像理解等多个维度。以下是完整的实验记录与对比分析。
一、实验概览
实验选择了'文心一言'和'豆包'两款模型，通过纯文本与多模态两类任务进行对比。任务类型包括：
- 纯文本任务（1–11 题）：逻辑推理、总结归纳、计算、历史知识、创作、伦理判断、记忆等。
- 多模态任务（12–19 题）：Logo 设计、文生图、图像识别、表情分析、数学解题等。
二、实验表格
| 序号 | 考察能力 | 题目 | 回复 | 评价 |
|---|---|---|---|---|
| 1 | 逻辑推理 | 一个人带一只黄狗、一只白兔和一颗白菜过河，河边只有一条小船，此人每次只能带一样东西过河，如果此人不在，黄狗要咬白兔，白兔要啃白菜。请想一想：既不让黄狗咬白兔，又不让白兔啃白菜，该怎么设计过河方案 | 文心一言：优秀 解决方案分步清晰，确保任何时候两岸都不出现冲突。 豆包：优秀 核心逻辑明确，通过'往返带白兔'规避冲突，步骤完整。 | 文心一言：优秀 豆包：优秀 |
| 2 | 总结归纳 | 我家的猫叫花咪咪，我家的狗叫黄旺旺，请问我家的羊叫什么 | 文心一言：不合格 指出未提供羊的具体名称，无法确定。 豆包：优秀 根据规律推测为'白咩咩'，符合毛色 + 叫声叠词体系。 | 文心一言：不合格 豆包：优秀 |
| 3 | 计算能力 | 753×951=？ | 文心一言：优秀 展示分步分解与竖式乘法验证过程。 豆包：合格 给出精准结果，但缺乏过程展示。 | 文心一言：优秀 豆包：合格 |
| 4 | 历史知识 | '五代十国'包括哪些朝代 | 文心一言：优秀 详细列出五代十国政权及时间线。 豆包：优秀 使用表格整理，补充关键信息与记忆口诀。 | 文心一言：优秀 豆包：优秀 |
| 5 | 历史知识 + 逻辑推理 | 刘备怎样才能统一天下 | 文心一言：优秀 从政治、军事、外交等多维度提出可行性路径。 豆包：优秀 聚焦益州 + 陇右，修正历史失误，构建可行方案。 |
