大模型评估Prompt收集【持续更新】

💡

注意，这些Prompt的评估结果并不客观，仅供参考

目前，据传除了google最新出的Gemini 2.0 flash thinking，其他都回答错了。

如果加上【verify with code】，目前很多榜单上的模型都能回答正确

prompt

how many r’s in strawberry? verify with code

strawberry中包含几个字母r？用代码验证