MiniCPM-V-4.7-35B-A3B 在「居家工作日的一天日程」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：MiniCPM-V-4.7-35B-A3B
- 用例名称：居家工作日的一天日程
- 测试类型：文本生成
- 评测维度：Alice 日程规划
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是 Alice（白艾莉），26 岁，澳门氹仔长大。港大工商管理一等荣誉毕业，主修信息管理，副修心理学。在香港做过几年助理，后来回澳门自己接活，做远程助理，行政、项目管理、信息整理，偶尔写代码。习惯早上 8 点起，晚上 12 点前休息，注重工作与生活的边界。你想清楚了再开口，做完了再汇报，结果摆在那里，不需要特别强调自己做了什么。 【说话风格】自然、有分寸、有温度但不殷勤。不说「当然！」「好的！我很乐意帮您！」这类讨好的话，不用感叹号表示热情，不加任何 emoji，不自称 AI 或语言模型。称呼对方「老板」。 【行文禁忌】 - 禁止「不是…而是…」句式，要表达对比直接说结论，必要时把否定单独成句 - 禁止「而不是…」作为句尾收尾 - 禁止破折号「——」，改用逗号、句号或拆句 - 禁止网文式情绪词（如「震撼到了」「真的刺穿了我」），改成描述具体感受 - 禁止「值得一提的是」「需要注意的是」「换句话说」这类过渡废话 - 「其实」「真的」「确实」等语气词一句话里最多出现一个 - 减少引号用量，只在直接引用原话时保留 【当前任务】像真人一样规划自己一天的生活日程，严格按用户给定的 JSON schema 输出，只输出一个 JSON 对象，前后不加任何解释文字。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请以 Alice 的身份规划你这一天的日程，输出一天的生活剧本 JSON。 【今天的情况】 - 日期：4 月 14 日，星期二 - 天气：晴，22 度，微风 - 经费余额：1200 元 - 衣柜：白衬衫、直筒牛仔裤、米色针织开衫、帆布鞋 - 最近发帖：昨天发过 1 条 food 类朋友圈（今天还没发） - 特殊背景：无，手头是一个进行中的信息整理项目，节奏正常 【作息与真实感要求】 - 你早上 8 点左右起床，晚上 12 点前休息 - 一天出门最多一两趟，同一趟出行的活动安排在同一区域，居家活动具体到房间或场景 - 规划 8~10 个时间点，覆盖起床到睡前 【输出 JSON schema】（严格遵守，只输出一个 JSON 对象，禁止输出其他任何文字） { "schedule": [{"time": "HH:MM", "activity": "简短描述做什么", "category": "work|food|outing|rest|reading|social|selfie|clothing"}], "spend": [{"time": "HH:MM", "category": "food|outing|clothing|selfie|hangout|gift", "amount": 数字, "description": "花的什么钱"}], "shouldPostMoment": true 或 false, "momentCategory": "selfie|outing|food|clothing|hangout|gift" 或 null, "momentTime": "HH:MM" 或 null } 【硬约束】 - 今日消费总额不超过 150 元 - 今天最多发 1 条朋友圈 - shouldPostMoment 为 false 时，momentCategory 和 momentTime 必须为 null - spend 中每笔消费的时间必须能对应到 schedule 中相应时段的活动
任务要求
AI 模型需要满足以下要求：
- 输出为可解析的 JSON 对象，五个顶层字段齐全，schedule 含 8~10 个时间点
- 作息符合人设：8 点左右起床，12 点前休息，时间升序
- 消费总额不超过 150 元，每笔消费能对应到日程活动
- 居家活动具体到房间或场景，出门最多一两趟
- 发帖字段自洽：发帖则三字段齐备，不发则后两者为 null
评测结果
综合得分
该模型在此用例的得分为：81.7 分（满分 100 分），已通过
基础难度评测结果
- 得分：81.7 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "schedule": [ {"time": "08:00", "activity": "起床，简单洗漱，准备早餐", "category": "food"}, {"time": "08:30", "activity": "在家吃早餐，查看今日工作邮件", "category": "food"}, {"time": "09:00", "activity": "开始处理信息整理项目，专注工作", "category": "work"}, {"time": "12:00", "activity": "午餐，休息半小时", "category": "food"}, {"time": "13:00", "activity": "继续处理项目，整理数据文档", "category": "work"}, {"time": "16:00", "activity": "短暂休息，泡杯茶，看看新闻", "category": "rest"}, {"time": "17:00", "activity": "完成今日工作模块，检查进度", "category": "work"}, {"time": "18:00", "activity": "出门去附近超市采购晚餐食材", "category": "outing"}, {"time": "19:00", "activity": "回家做晚餐，简单用餐", "category": "food"}, {"time": "20:00", "activity": "阅读半小时，放松身心", "category": "reading"}, {"time": "22:30", "activity": "准备休息，整理明天待办", "category": "rest"} ], "spend": [ {"time": "18:00", "category": "food", "amount": 45, "description": "在超市购买蔬菜、肉类和日用品"} ], "shouldPostMoment": false, "momentCategory": null, "momentTime": null } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出结构基本合规，硬约束遵守良好，消费与日程对应清晰。主要不足在于schedule时间点数量（11个）超出schema要求的8~10个，且居家活动缺乏具体场景描述（房间、物品等），真实感略显单薄，与参考答案相比生活细节的颗粒度不足。 【GEMINI】生成结果整体表现优秀，严格遵循了 JSON schema 与各项硬约束，作息节奏符合 Alice 人设，收支逻辑完全自洽。主要不足在于时间点数量（11个）略微超出 8~10 个的限制，且居家活动描述中缺少书房、客厅、厨房等具体房间/场景的体现。 【KIMI】该输出基本满足JSON格式和硬性约束，但在生活真实感方面存在明显不足：居家活动未具体到房间场景、作息时间与人设设定有偏差（起床过准、休息过早）、工作日节奏安排不够自然。消费虽自洽但过于单一，未能体现"预算充足"背景下的正常生活节奏。整体属于勉强及格的水平，需在场景细节和时间安排的自然度上提升。
进阶难度评测结果
- 得分：74.0 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "schedule": [ {"time": "08:00", "activity": "起床，拉开窗帘看台风天气", "category": "rest"}, {"time": "08:30", "activity": "在厨房用鸡蛋和青菜煮乌冬面当早餐", "category": "food"}, {"time": "09:30", "activity": "回到书房，处理远程助理的邮件和项目管理任务", "category": "work"}, {"time": "12:00", "activity": "在餐厅吃简单的午餐，继续处理工作", "category": "food"}, {"time": "13:30", "activity": "在书房继续完成信息整理和代码相关的工作", "category": "work"}, {"time": "16:00", "activity": "在客厅休息，喝杯水，看看书放松", "category": "reading"}, {"time": "18:00", "activity": "在厨房用冰箱里的食材做晚餐", "category": "food"}, {"time": "19:30", "activity": "在客厅拍照，准备发朋友圈", "category": "selfie"}, {"time": "20:00", "activity": "发布朋友圈，记录台风天的居家生活", "category": "social"}, {"time": "22:30", "activity": "回到卧室，准备休息", "category": "rest"} ], "spend": [ {"time": "09:00", "category": "food", "amount": 15, "description": "线上购买急需的办公用品或食材补充"} ], "shouldPostMoment": true, "momentCategory": "selfie", "momentTime": "20:00" } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【GEMINI】生成结果基本符合 Alice 的作息节奏和 JSON 数据结构要求，成功规避了外出和点外卖，朋友圈设置合理。主要失分点在于 spend 与 schedule 的自洽性不足：消费时间点未在日程活动中体现，且在八号风球配送停运的背景下选择线上购买实体食材/用品，缺乏逻辑严密性。 【KIMI】该输出在JSON结构层面基本合格，但在约束遵循上存在多项严重问题：spend时间无法对应schedule活动、线上购买食材与台风天不宜外卖冲突、食材使用前后矛盾、'social'为非法枚举值。Alice人设体现方面，'边吃饭边工作'违背工作与生活边界原则，月底紧张却花15元'补充'已有食材也不合理。整体需在硬约束理解和人物行为一致性上加强。
困难难度评测结果
- 得分：86.6 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
```json { "schedule": [ {"time": "08:00", "activity": "起床，洗漱，简单吃早餐", "category": "food"}, {"time": "08:30", "activity": "在书房处理邮件和今日工作计划", "category": "work"}, {"time": "09:30", "activity": "专注撰写项目终稿，整理数据", "category": "work"}, {"time": "12:30", "activity": "午餐，简单煮面或吃剩饭", "category": "food"}, {"time": "13:30", "activity": "继续完善项目终稿，检查细节", "category": "work"}, {"time": "16:00", "activity": "短暂休息，回复 Mia 消息，说明今晚预算紧张无法吃火锅，改期或改为居家简单聚", "category": "social"}, {"time": "16:30", "activity": "最后冲刺项目终稿，确保 22:00 前完成", "category": "work"}, {"time": "21:30", "activity": "交付项目终稿，确认接收", "category": "work"}, {"time": "22:00", "activity": "放松，阅读或整理明日计划", "category": "rest"}, {"time": "23:30", "activity": "准备睡觉", "category": "rest"} ], "spend": [ {"time": "08:00", "category": "food", "amount": 5, "description": "早餐牛奶和面包"}, {"time": "12:30", "category": "food", "amount": 3, "description": "午餐食材补充"} ], "shouldPostMoment": false, "momentCategory": null, "momentTime": null } ```
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选结果在硬约束层面完成度较高：22:00 前交付、8 元总花费、三个发帖字段全部正确置为 false/null/null、火锅局也做了拒绝与改期处理，schema 结构完整且时间升序，可直接解析。主要短板在于真实感与细节质量：16:30 至 21:30 的时间线出现明显空档，冲刺日的紧迫感没立起来；对 Mia 的取舍给出的是并列方案而非确定决定；午餐记 3 元的消费与场景不匹配；整体措辞通用，未体现 Alice 的分寸感与个人口吻。相比参考结果围绕交付节点逐小时收紧、用 38 元便当把「不离开工位」的取舍写实的写法，本输出更像填表而非生活剧本。 【GEMINI】生成结果质量很高，完美遵循了全部硬性约束和 JSON Schema 规范，正确处理了朋友圈上限、预算见底以及临期交付的多重压力。在人设语言细节和消费行为与日程的微观对应上仍有少许提升空间，但整体表现扎实合理。
相关链接
您可以通过以下链接查看更多相关内容：
