ChatGLM是由清华大学KEG实验室和智谱AI基于千亿基座模型GLM-130B开发的对话语言模型。ChatGLM在GLM-130B的基础上持续进行文本和代码预训练并通过有监督微调等技术实现人类意对齐，具备文案写作、信息抽取、角色扮演、问答、对话等能力。
该问题MOSS和ChatGLM都无法生成正确的Cypher，是正确的。但是MOSS和ChatGLM都回复了一个SQL，确实没有明白我在Prompt中定义的想生成Cypher的意。
RE-MOSS:
SELECT * FROM cypher_example WHERE message = "最近半导体上涨的原因是什么？"
QA:你好
下面测试结果为MOSS和ChatGLM两个大语言模型生成Cypher的展示，总体效果MOSS要好于ChatGLM。在六次测试中，只有MOSS在5和6案例中生成了完全正确可执行的Cypher，其它结果都不太好。 从目前测试过的结果来看，正确生成Cypher的能力GPT4>GPT5>MOSS>ChatGLM。
该问题MOSS生成了创建节点的Cypher，真实的目标是对于此类问题不生成Cypher，因此回答是错误的。ChatGLM无法生成Cypher，是正确的，但是ChatGLM的回复显得有些冗长。
RE-MOSS:
CREATE (n:Person {name:"你好"}) RETURN n
RE-ChatGLM:
欢迎，有什么需要帮助的吗？
# 查询用户信息
user_id:int(什么是用户ID?), name:text(用户姓名), email:text(用户邮箱), password:text(用户密码)
# 查询订单信息
order_id:int(订单ID), customer_id:int(客户ID), product_id:int(产品ID), total:float(总价), status:text(状态：完成/未支付/取消)
# 查询用户订单
user_order:list(用户订单列表)
# 查询商品订单
product_order:list(商品订单列表)
请提供您的查询需求，我会尽力生成正确的Cypher语句。
测试结果
文章为作者独立观点，不代表股票交易接口观点
相关文章
股民评论