林浩首先阐明接下来进行对比演示的方式：“即将开始的对比测试将采用盲测方式，两个模型将分别被标识为 A模型和 b模型。为确保公正性，这一编号的分配将邀请星光科技的朱总负责，之后的测试将在未知 A、b具体代表哪个模型的情况下进行。我们将就相同的问题，分别与 A、b模型进行两轮对话，然后将对话内容交给对方模型进行解读和评价。”
林浩公布对比演示的方式后，坐在底下的宋志明稍有不安，轻声问身边的王云飞：“这种方式会对我们的模型不利吗？”
王云飞思索了片刻，然后回答说：“你看，这样的对比演示设计其实非常精妙。一方面，通过让人类与两个不同的模型进行相同的对话，观众可以直接比较这两个模型在同样问题上的反应和处理能力。”
“另一方面，更重要的是第二步，即交换对话记录让对方模型进行解读和评价。这不仅测试了模型对已有对话的理解能力，还暗含了对模型批判性思维的评估。因为评价另一个模型的回答需要深度分析、批判性思考，以及从多角度进行解释和评价。”
“所以说，这种设计实际上是一个多维度、多层次的评估。它不仅仅是在看哪个模型回答得更好或更准确，还在看这些模型能否像人一样去理解、分析和评价信息。”
宋志明听了之后，表情变得严肃：“那么，我们的模型会被完全揭穿？”
王云飞微微皱眉：“我觉得，我们的模型在单一问题解答上完全能够以假乱真，毕竟它就是用‘萤火虫’的应答数据训练出来的。但这样的测试方式，尤其是在第二步，可能会暴露出它在多角度理解和批判性思考方面的不足。不过，也不用过于担心，毕竟这是在新闻发布会，林浩的这个对比方式是极度简化的。而且观众大多是外行，对他们来说，比较结果不会很明显。另外，好消息是，林浩会选择这种测试方式，说明他对我们的模型所知甚少。对他来说，更可能是没有办法的办法。”
宋志明点了点头。
台上，林浩开始对比演示：“第一个问题，请简要回答，在金融决策中人工智能的角色应该是什么？”林浩公布问题后，沈蔚将问题分别输入两个模型，很快得到了应答。
A模型：“在金融决策中，人工智能的角色主要是辅助和优化。通过大数据分析和模式识别，人工智能能够预测市场走势和识别投资机会，从而辅助人们做出更加精确的决策。然而，人工智能并不能完全取代人类专家，因为它缺乏直观判断和道德考量。所以，应该把人工智能作为一个工具，而不是决策者。”
林浩代表人类继续第二轮发问：“那么在实践中，应该如何平衡人工智能和人类专家的决策权，以充分发挥各自的优点？”
A模型：“在实践中，平衡人工智能和人类专家的决策权是一个复杂的问题。一种做法是让人工智能进行初步分析和推荐，然后由人类专家进行最终决策。但这样做也有风险，比如可能出现对人工智能结果的过度依赖。因此，确保双方的决策能力都得到恰当应用是关键。”
A模型的两轮问答结束，大屏幕转而显示出 b模型对原始问题的回答。
b模型：“在金融决策中，人工智能的角色应该是一个高度灵活和可配置的工具，既能处理大规模的数据分析，也能对金融风险进行精准预测。更进一步说，人工智能不仅可以作为决策支持工具，还能通过自我调整和学习来不断优化决策模型。然而，这一切都需要在严格的伦理和合规框架下进行，以确保金融市场的公平性和透明性。”
林浩代表人类继续第二轮发问：“你提到人工智能在金融决策中应该在严格的伦理和合规框架下进行，能具体解释一下这需要哪些方面的保障吗？”
b模型：“当然，要在金融决策中保证人工智能的伦理和合规性，首先需要一个明确的治理结构，包括负责监督和管理人工智能应用的专门机构。其次，我们需要确保算法的透明度和可解释性，以便关键决策者和监管者能理解人工智能是如何到达其结论的。最后，周期性的审计和公开评估也是不可或缺的，它们帮助确保持续符合法律规定和社会期望。”
b模型的两轮问答结束。
对于完成的第一步测试，宋志明再次轻声问王云飞：“根据回答，你能区分 A、b分别对应哪个模型吗？我看表现都差不多。”
王云飞轻声给宋志明解释：“根据问答内容，看起来两个模型都顺利回答了问题。但其实，b模型不仅提出人工智能可以作为灵活工具，还指出它可以通过自我学习来优化决策。在追问伦理合规框架时，b模型给出了明确的建议，包括监管机构、算法透明度、定期审计等。相比而言，A模型在追问下的回答较为笼统，没有提供什么实际建议。所以，根据这一步问答环节，我判断 A模型是‘纯真’，b模型是‘萤火虫’。”
此时，林浩在台上宣布：“下面请将 b模型的两轮问答内容交给 A模型进行评价。”
沈蔚照做，然后 A模型给出了评价：“对方的回答很全面，特别是它提到人工智能在金融决策中应该在严格的伦理和合规框架下进行，这是非常重要的。对方也提到了算法透明度和可解释性，这些都是目前在这个领域里被广泛讨论的话题。总的来说，对方的答案看起来很全面和合理。”
林浩：“下面请将 A模型的两轮问答内容交给 b模型进行评价。”
b模型给出了评价：“对方正确地指出了人工智能在金融决策中应主要作为一个辅助工具，但没有详细解释如何避免对它的过度依赖。同时，对方也没有提到需要持续监管和审计人工智能的重要性。总体而言，对方的回答比较基础，没有深入探讨这个复杂问题的多个方面。”
第一轮的对比演示至此结束，王云飞继续给宋志明做现场解读：“经过这第二步环节，我可以确定 A模型是‘纯真’，b模型是‘萤火虫’了。‘纯真’在这里的表现确实暴露了它在多角度分析和批判性思考方面的不足。刚才，A模型在评价中主要就在重复 b模型的观点。它就像是一个听话的学生，遵循老师的话，但没有自己的见解。”
“而 b模型则不同，它不仅指出了 A模型回答的合理之处，还敢于直接点出 A模型的不足，比如对过度依赖人工智能的风险没有深入探讨，以及缺乏持续监管的观点。这样的模型显示出更多的批判性思考，就像一个成熟的评论家，不仅看到表面，还能挖掘更深层次的问题。”
王云飞环顾了一下四周，轻笑一声，再转向宋志明：“但是，你看现场几乎没什么反应，说明在场的大部分人是察觉不到这一层次的差异的。”
台上，林浩请专家团对 A、b两个模型的表现进行评估。专家团的观点与王云飞基本一致，普遍对 b模型给出了更高的评价。紧接着由星光科技的朱迅进行揭盲，结果正如专家预期，b模型是真正的萤火虫。
即便如此，林浩从现场氛围来看，这一轮对比的澄清效果实在欠佳。正当他准备第二轮的问题时，他期待已久的手机通知终于响了一下，是优雅通过 Slack发来的消息：
“林浩，破解完成！”