文章主题：文心一言, 测试申请, N阶IIR数字低通滤波器, C语言代码
最近，我成功通过了文心一言的测试申请，对其进行了初步的体验。在对比了其与ChatGPT的差异后，我将我的测试结果公之于众。本次测试中，我所使用的是文心一言V1.03版本以及ChatGPT FREE版本，主要测试内容是生成一段N阶IIR数字低通滤波器的C语言代码。相较于ChatGPT，我在文心一言的使用过程中发现了一些显著的不同。
首先是ChatGPT FREE,第一次输入：编写一个N阶IIR低通滤波器函数，要求使用C语言。
经过分析，我们得到的反馈结果显示，我作为AI助手，虽然能够解答关于IIR低通滤波器的一些基本知识和概念的问题，但在编写代码方面却存在能力限制。因此，如果您有编写代码的需求，我们建议您可以寻求专业的软件开发人员或工程师的帮助。
很遗憾，这样的结果对我来说是无法接受的。鉴于我过去使用ChatGPT FREE的经验，我在提出问题时改变了顺序并增加了一些要求：我希望能够使用C语言编写一个N阶IIR低通滤波器函数，并且能够设置采样频率和截止频率。
在一次令人惊奇的经历中，程序成功执行了所需的操作，并产生了我所期望的结果。虽然为了达到这个目标，代码需要在几个关键之处做出相应的调整，但这并不影响整个框架以及基本元素的运用。此外，该结果还提供了一个实际的使用示例，以便于进一步理解和掌握。
在本文中，我们将对 ChatGPT FRE 和文心一言的性能进行对比分析。首先，我们需要对两个产品针对某一问题所提供的反馈结果进行评价，以确保其质量。接着，我们将通过编写一个 N 阶 IIR 低通滤波器函数来验证它们在 C 语言方面的实现能力。
相比于ChatGPT FREE的第一次测试，文心一言没有生硬的拒绝问题反馈，直接输出了代码，但是代码只是一个模板，并且滤波器的样式显然不是IIR低通滤波器，并且滤波器的参数全是0，也就是说无法简单修改使用，考虑到不同AI框架的差异性，我临时决定换一种问答策略，采用分布式提问，大体思路是先让文心生成PYTHON，然后再让他转成C语言代码。
Python代码展现出了相对完整的结构，尽管其风格似乎较为模板化，但基本的滤波器架构依然准确无误。接下来，我们将利用Python代码为基础，将其转化为C语言形式。
问题还是出现了同样的结果，在没有想到更好的提问方式之前，我决定放弃。总结一下使用的感受：
文心一言与ChatGPT FREE在输出反馈速度上有显著的不同，ChatGPT FREE具有更快的反馈速度。
ChatGPT FREE 在处理模糊问题时的响应准确性更高，似乎只有当问题描述足够详尽时，它才能生成相关答案。这表明，ChatGPT FREE 的回答依赖于问题的一致性和明确性，因此，提供更具体和清晰的信息对于获得准确的答案至关重要。
以上两个问题，个人认为原因文心的训练模式可能和ChatGPT FREE不太相同，还有就是用户的数量和使用率方面也不相同，这个希望能够再后续的版本上改善，毕竟是国产的AI门面，我也很倾向于使用他，哪怕不是非常顺手，先做到做到够用就行。
文心一言, 测试申请, N阶IIR数字低通滤波器, C语言代码
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
