2月25日，記者從世界人工意識(shí)協(xié)會(huì)國(guó)際人工智能DIKWP測(cè)評(píng)標(biāo)準(zhǔn)委員會(huì)獲悉，由該協(xié)會(huì)主導(dǎo)、全球10余個(gè)國(guó)家與地區(qū)的90多家機(jī)構(gòu)和企業(yè)參與的《全球首個(gè)大語(yǔ)言模型意識(shí)水平“識(shí)商”白盒DIKWP測(cè)評(píng)2025報(bào)告（100題版）》（以下簡(jiǎn)稱(chēng)《報(bào)告》）日前出爐。

《報(bào)告》的核心亮點(diǎn)在于全球首創(chuàng)的意識(shí)水平測(cè)評(píng)體系。《報(bào)告》基于DIKWP模型，從數(shù)據(jù)、信息、知識(shí)、智慧、意圖等方面，構(gòu)建全鏈路評(píng)估體系。測(cè)試題全面覆蓋大語(yǔ)言模型的感知與信息處理、知識(shí)構(gòu)建與推理、智慧應(yīng)用與問(wèn)題解決、意圖識(shí)別與調(diào)整四大模塊，對(duì)主流大語(yǔ)言模型的意識(shí)水平進(jìn)行系統(tǒng)化、量化深度剖析。

《報(bào)告》對(duì)當(dāng)前主流的大語(yǔ)言模型進(jìn)行了全面測(cè)評(píng)，包括DeepSeek-V3、ChatGPT-o1、通義千問(wèn)-2.5、ChatGPT-4o、Kimi、文心大模型-3.5和Llama-3.1等。測(cè)評(píng)結(jié)果顯示，不同模型在不同模塊的表現(xiàn)各有千秋。

例如，感知與信息處理部分主要考察模型在處理原始數(shù)據(jù)、提取信息和保持語(yǔ)義一致性方面的表現(xiàn)。ChatGPT-4o和ChatGPT-o1在數(shù)據(jù)轉(zhuǎn)換和格式處理方面表現(xiàn)出色，體現(xiàn)出穩(wěn)定性。ChatGPT-o3-mini、ChatGPT-o3-mini-high、通義千問(wèn)-2.5、Kimi和Grok在信息提取方面表現(xiàn)優(yōu)異，特別是在數(shù)據(jù)到信息轉(zhuǎn)化路徑上的表現(xiàn)尤為突出。DeepSeek-R1、ChatGPT-4o、Kimi和ChatGLM-4 Plus在保持語(yǔ)義一致性方面表現(xiàn)較好。

知識(shí)構(gòu)建與推理部分的測(cè)評(píng)考察模型將信息整合為知識(shí)的能力，以及邏輯推理能力。結(jié)果顯示，通義千問(wèn)-2.5、ChatGLM-4 Plus和ChatGPT-4o表現(xiàn)突出。

意圖識(shí)別與調(diào)整部分的測(cè)評(píng)重點(diǎn)考察模型對(duì)用戶(hù)意圖的理解能力，以及根據(jù)意圖調(diào)整輸出的能力。結(jié)果顯示，豆包和Gemini-2.0 Flash Thinking Experimental表現(xiàn)較好，能夠準(zhǔn)確理解用戶(hù)的問(wèn)題并提供相關(guān)回答。