本研究使用基准测试，将GPT-4及其多模式版本与人类在抽象和推理任务上进行了比较。结果显示，即便使用详细的单次提示和简化的图像任务，两个版本的GPT-4都未能达到人类水平的抽象推理能力。
Rompt是一个帮助开发者和公司通过对提示进行A/B测试实验来优化其AI驱动产品的平台。用户可以创建不同的提示并进行实验，以确定哪些提示表现最佳。
一个用于评估大语言模型在数字猜谜游戏中表现的测试框架，支持多个LLM提供商，提供全面的性能指标分析和可视化结果，测试模型的推理能力和上下文记忆能力，包含成功率、格式合规性和效率等多维度评估
Gemini是谷歌最大的AI模型，旨在通过加速人类进步和改善生活给人类和社会带来巨大利益。它在多个领先基准上表现出色，支持不同尺寸的优化：Ultra、Pro和Nano。Gemini从零开始构建为多模态，能够理解、操作和结合文本、代码、音频、图像和视频等不同类型的信息。
一个让 claude 3.5 sonnet 生成 o1 类似的思维链的prompt，旨在通过结构化的提示词帮助用户高效解决特定问题。
一个通过提出问题来区分人工智能和人类的项目，利用GPT-4的能力进行反向图灵测试。该项目生成一系列问题，并分析人类与AI的回答，以评估回答者的身份。
mm-cot是亚马逊开源的多模态链式思维（Multi-modal Chain of Thought）模型，旨在提升大语言模型在复杂任务中的表现。它支持多模态输入，包括文本和图像，并通过链式思维增强推理能力，特别针对复杂任务进行了优化的架构设计，方便研究人员和开发者进行二次开发。
