之前让几个主流ai做的同一道题，整理宁波2000年-2024年每年入梅、出梅的日期，结果非常惨烈，手工对比结果见图2 . 总的来说—— DeepSeek的准确率是最高的，但是它给的数据来源是最模糊最笼统的； 豆包给的数据也很多，但错误率非常高，不过豆包可以做到逐个数据给出处链接，所以人工可以直接判别它整合的结果是否正确； 文心一言也给了数据出处，但是文字版，难以直接溯源验证，并且它的错误率非常搞； kimi和元宝有大量空缺数据，也不知道它们是怎么好意思给的，难道不判别一下我要求的数据结果应该有多少个吗？ . 然后说一下我的手工验证方式，见图8 其实就是以“宁波+出梅”为关键词，搜一下当年6月-8月期间的网页就行了。 因为在出梅的报道下，一定是会提到入梅日期的，并且出梅日期一般就集中在6月下旬到7月上旬，我略微放宽一下区间。 最后探讨一下为啥这个结果对ai来说竟然这么困难—— ① 梅雨期是没有官方的整理和发布渠道的，导致数据来源不怎么稳定（但实际上一般媒体上都有报道，这点ds就发现了） ② 媒体报道喜欢使用日期上的相对词，如“昨日出梅”，如平均x月x日入梅今年晚了x天，需要更熟悉中文习惯的判定方式（这点上几乎所有ai都有被误导的案例） ③ 媒体报道里除了报道当天的出梅入梅日期，往往还提及往年、平均等，在短短一两百字的报道里会出现多个日期，影响ai判断（这点上还是几乎所有ai都有被误导的案例） ④ 梅雨是每年都有，且日期在某个区间内，了解梅雨特点更利于检索和判断，但ai似乎都不会这个前提准备