作者询问普通用户测试LLM的提示，比较模型实用性。

有哪些好的“普通人”提示可以用来测试大语言模型？我想看看不同的大语言模型在普通非技术人员希望从AI获得的东西上表现如何。

别误会，这些模型能解答大多数人不懂的数学题、编写FPS游戏代码、解开晦涩谜语，这确实非常令人印象深刻……但这并不是世界上99%的人使用这些模型的用途。

我们可以创建哪些基准测试来告诉我们，模型是否能让人们更高效、帮助他们解决生活中的问题，或赋予他们真正有用的新超能力？我们可以尝试哪些“普通人实用性”测试，让我爸爸或我的教师邻居可能真正感到兴奋？

真诚提问……我希望得到一套好的测试提示，我们可以用它们作为基准，随着新模型的发布来评估这些东西。