- 我的订阅
- 头条热搜
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
...hinese SimpleQA，这是第一个系统性地全面评估模型回答简短事实性问题能力的中文评测集，可以全面探测模型在各个领域的知识水平。具体来说，Chinese SimpleQA 主要有六个特点：
中文：专注于中文语言，并特地包含中国文化等特...……更多
2024-11-21 09:43:00事实性,基准,中文,评测,事实,模型
...度。例如，大语言模型通常会生成冗长的回复，包含大量事实性陈述。最近，为解决上述评估问题，OpenAI发布了简短问答基准（SimpleQA），其中包含4326个简洁且寻求事实的问题，使得衡量真实性变得简单可靠。然而，简短问答基...……更多
2024-11-22 09:51:00豆包,中文,真实性,评估,模型,中文
...：中国新闻网近日，中国信息通信研究院发布大模型安全基准测试AI Safety Bench 2024年Q1的首轮测评报告(下称“测评报告”)，结果显示，三六零集团自研的认知通用大模型360智脑综合排名第一。大模型安全基准测试AI Safety Bench是中...……更多
2024-04-10 20:16:00信通,基准,中国,模型,测试,报告
...，AI智能体方向受瞩目 近日，中文通用大模型综合性评测基准SuperCLUE发布9月总排行榜和各个分类任务榜单，商汤商量SenseChat 3.0 位列中文大模型总榜排名第一。在新增的AI Agent（AI智能体）子榜中，SenseChat 3.0 同样排名第一，领先...……更多
2023-10-13 14:26:00商汤,评测,方向,智能,模型,商汤
...技8月5日消息，在最新发布的中文多模态大模型SuperCLUE-V基准评测中，腾讯混元大模型获国内排名第一，稳居卓越领导者象限。此次评测聚焦于大模型理解复杂现实世界的关键能力，即多模态理解，俗称“图生文”。多模态理解...……更多
2024-08-05 08:07:00腾讯,中文,模型,评测,模型,模态
...、Skywork-13B-Math模型，它们在CEVAL, GSM8K等多个权威评测与基准测试上都展现了同等规模模型的最佳效果，其中文能力尤为出色，在中文科技、金融、政务等领域表现均高于其他开源模型。除模型开源外，Skywork-13B系列大模型还将开...……更多
2023-10-30 15:35:00万维,昆仑,商用,高质量,模型,领先
...院（以下简称中国信通院）联合360集团，发起大模型安全基准测试SafetyAI Bench制定工作。大模型安全基准测试秉持“公平公正、产业应用、选型参考”原则，采用科学严谨的测试方法，评估大模型在内容安全、数据安全和科技伦...……更多
2024-04-09 01:58:00信通,人工智能,中国,人工,智能,集团
...任务、中英双语、针对大语言模型长文本理解能力的评测基准）测试中，360选择其中与中文长文本应用最密切相关的中文单文档问答、多文档问答、摘要、Few-shot等任务进行评测，360Zhinao-7B-Chat-32K模型取得了平均分第一的成绩。...……更多
2024-04-14 01:04:00模型,训练,参数,模型,文本,评测
...步提升了编码、数学、推理和指令遵循能力。从下方多个基准测试结果可以看出，Yi-1.5 34B 型号的一些指标超过了 Qwen 的 72B，几乎与 Meta Llama 3 的 70B 相当。6B 和 9B 型号也成功超越了 Mistral 的 7B v0.2 版和 Gemma 的 7B 型号。……更多
2024-05-14 09:56:00万物,模型,国产,再次,排行榜,模型
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报...……更多
2024-06-29 09:37:00模态,基准,弱点,团队,模型,任务
...内权威的大模型评测机构SuperCLUE最新发布了《中文大模型基准测评2024年度4月报告》。其中，腾讯混元大模型位列国内大模型第一梯队，在基础和场景应用上均处于领先位置，位于卓越领导者象限。SuperCLUE是国内权威的通用大模...……更多
2024-05-06 16:52:00腾讯,梯队,模型,腾讯,模型,能力
...突破。 据权威测评机构SuperCLUE发布的最新《中文大模型基准测评报告》，云从科技自主研发的从容大模型不仅成功晋升至【领导者象限】，更以总分70.35分的优异成绩稳居国内大模型综合测评第六位，正式步入国内大模型第一...……更多
2024-08-09 15:00:00模型,梯队,中国,从容,科技,模型
...对大模型的研究范式存在一定的不足，于是决定来到香港中文大学读博。图 | 曾忠燊（来源：曾忠燊）前不久，曾忠燊和所在团队提出一个全新评测范式。基于这一评测范式，他们又针对现有数据集，提出了一种改造方法。实验...……更多
2024-03-04 10:23:00革新,模型,范式,中文,推理,团队
...一款名为 MMed-Llama 3 的全新基座模型，以 8B 的尺寸在多项基准测试中超越了现有的开源模型，更加适合通过医学指令微调，适配到各种医学场景。
所有数据和代码、模型均已开源。MMedBench 上的准确率，图 d 展⽰了在 MMedC 上进...……更多
2024-09-30 09:51:00多语,大规,模型,语料,基准,大规模
...造力、复杂性和冗长性等多个属性，以及指令跟随能力- 事实性/内容出处：针对LLM应用中日益重要的幻觉问题，几个数据集都用于评估响应输出的事实准确性及其基础，看模型提出的声明是否有源文档作为依据- 数学推理：区分L...……更多
2024-08-05 09:37:00准确率,模型,评估,评估,模型,数据
...模型很难严格遵从人类的指令。此外，大语言模型还存在事实性不足的问题。今年以来行业尝试把 RAG、搜索引擎之类的技术引入到大语言模型，来补充事实性不足的问题，以及 GraphRAG，用图的方式去重新组织它的检索。但问题...……更多
2024-09-13 13:33:00知识,准确率,推理,蚂蚁,框架,模型
...我们现在评测标准本身里面有一些维度，比如像专业性、事实性、完整性、用户体感。用户体感就是用户自己去标注，来判断是不是像医生来交流。量子位：之前张亚勤提到这样一个演变趋势：信息智能——具身智能——生物智...……更多
2024-09-29 09:55:00军大,切入点,模型,支付,医疗,应用
...型评估工作中，MultiTrust提炼出了五个可信评价维度——事实性（Truthfulness）、安全性（Safety）、鲁棒性（Robustness）、公平性（Fairness）、隐私保护（Privacy），并进行二级分类，有针对性地构建了任务、指标、数据集来提供全面...……更多
2024-07-25 09:31:00模态,清华,可信度,领衔,可信,几何
...、轻量化，定位为“你身边的物流专家”。目前，其货运事实性问答准确率超过90%，在货拉拉业务知识、货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等维度能力评测中均表现优秀。而在非货运领域，货拉拉...……更多
2024-03-29 11:32:00张浩,无忧,货运,模型,场景,应用
...诟病的行为——以看上去令人信服的方式，向用户提供与事实不符的回答。简单来说，AI有时会在回答中“满口跑火车”，甚至“造谣”。图源Pixabay防止AI大模型出现这种行为并非易事，且是一项技术性的挑战。不过据外媒Marktec...……更多
2024-04-01 11:59:00事实,评估,搜索,事实,机器人,模型
谁是在线购物领域最强大模型？也有评测基准了。基于真实在线购物数据，电商巨头亚马逊终于“亮剑”——联合香港科技大学、圣母大学构建了一个大规模、多任务评测基准Shopping MMLU，用以评估大语言模型在在线购物领域的...……更多
2024-11-21 09:45:00在线购物,基准,模型,任务,购物,数据
...则主要评估了多模态理解和生成能力。评测结果显示，在中文语境下，国内头部语言模型的综合表现已接近国际一流水平，但存在能力发展不均衡的情况。在多模态理解图文问答任务上，开闭源模型平分秋色，国产模型表现突出...……更多
2024-05-17 17:26:00评测,评估,体系,结果,模型,评测
...练数据中增加了 27 种语言相关的高质量数据；多个评测基准上的领先表现；代码和数学能力显著提升；增大了上下文长度支持，最高达到 128K tokens（Qwen2-72B-Instruct）。模型基础信息Qwen2 系列包含 5 个尺寸的预训练和指令微调模...……更多
2024-06-07 09:32:00通义,模型,尺寸,模型,训练,上下文
...nAI o1模型（至少目前）还不是多模态大模型，同时在回答事实性问题时也不如其他模型。所以在图像互动、常识问答、互联网搜索方面，GPT-4o依然是更胜一筹的选择。当然，OpenAI明确表示未来会给这个模型增加联网、文件和图像...……更多
2024-09-13 13:34:00新时代,推理,逻辑,模型,模型,问题
...力评测中，文心一言4.0表现优异，位居国内第一，其中在中文推理、中文语言等评测上，文心一言遥遥领先，和其他模型拉开明显差距，中文理解上，文心一言4.0领先优势明显，领先第二名GLM-4 0.41分，GPT-4系列模型表现较差，排...……更多
2024-04-22 09:46:00评测报告,清华,模型,评测,能力,报告
...，执行这些数据集的全面评估变得非常耗时。此外，这些基准在训练期间也容易受到污染的影响。为此， LMMs-Eval 提出了 LMMs-Eval-Lite 来兼顾广覆盖和低成本。他们也设计了 LiveBench 来做到低成本和零数据泄露。LMMs-Eval-Lite: 广覆盖...……更多
2024-08-22 09:50:00模态,框架,模型,评测,污染,成本
...海外最具公信力的大模型竞技场之一，遗憾的是该竞技场中文化程度相对不足。为此，Compass Arena的推出将有效填补这一领域的空白。相比考题固定的传统测评，中国大语言模型评测竞技场Compass Arena采用盲测、开放的测评模式，...……更多
2024-06-02 05:34:00王者,模型,国产,模型,竞技场,评测
...技场上的得分，已经超越了GPT-3.5和Mixtral 8x7B！在MMLU和MBPP基准测试中，它分别取得了56.1和36.6的优异成绩；比起前代模型Gemma 1 2B，它的性能超过了10%。小模型击败了大几个数量级的大模型，再一次印证了最近业界非常看好的小模...……更多
2024-08-02 09:55:00小钢炮,显微镜,大脑,模型,编码器,特征
...言的概率会是此前的一般。“我们通过整理一系列复杂的事实性问题，测试Claude 2.1的诚实度。这些问题探究了模型的已知弱点。”Antropic表示。举例来说，拿一个信息错误的陈述句（“玻利维亚人口第五多的城市是蒙特罗”）和...……更多
2024-01-08 12:28:00观察,安全,用户,产品,用户,宪法
...含34B和6B两个版本。据HuggingFace英文开源社区平台和C-Eval中文评测的最新榜单，Yi-34B预训练模型取得了多项SOTA国际最佳性能指标认可，成为全球开源大模型“双料冠军”。零一万物创始人及CEO李开复博士表示:“零一万物坚定进军...……更多
2023-11-06 15:25:00阿里,万物,模型,评测,冠军,全球
更多关于科技的资讯：
在制造业提质增效的浪潮中，那些藏在生产环节里的“细枝末节”，往往藏着撬动效益升级的关键密码。近日，太重包储分公司的散件箱优化项目传来捷报
2025-09-24 07:52:00
文｜胡香赟编辑｜海若镜港股迎来今年第11家上市的创新药公司。9月19日，劲方医药在港交所挂牌，首日涨幅接近110%、市值逼近150亿
2025-09-24 06:26:00
中国青年报客户端北京9月23日电（中青报·中青网记者 沈杰群）今天，2025北京文化论坛平行论坛——“虚实无界：视听产业融合破圈”在北京国际饭店会议中心举行
2025-09-24 00:03:00
9月22日下午，在百余家江苏企业代表的共同见证下，中信银行“小天元”企业生态服务平台江苏区域发布会暨“进万企 信服惠企”系列活动在南京成功举办
2025-09-23 23:15:00
北京市科学技术委员会牵头，京冀相关单位共建智能模具科技成果转化中试平台一个平台，推动黄骅模具迈向高端9月11日，智能模具科技成果转化中试平台工作人员正在操作四轴机床进行生产
2025-09-23 08:49:00
数智化转型，让电厂越来越智慧——AI赋能千行百业一线故事（十二）8月28日，石家庄良村热电有限公司生产技术部专业主管苏朝宏介绍智慧展厅
2025-09-23 08:53:00
“产业炬光灯”系列短视频于厦门日报官方视频号、抖音号、快手号、B站账号、央视频账号等全媒体平台同步上线，首期节目走进中材航特
2025-09-23 08:58:00
厦门网讯（厦门日报记者 林雯）旧低效工业用地加速变身科创高地。近日，随着位于思明区前埔片区的2025P13、2025P14地块成功出让
2025-09-23 08:58:00
国网厦门供电公司为厦门天马微电子有限公司创造更优质、更稳定的用电环境。（国网厦门供电公司 供图）“EASIER用电”品牌厦门网讯（厦门日报记者 刘艳 通讯员 林艳婷 高芳 郭芷祎）近年来
2025-09-23 08:58:00
鲁网9月22日讯数字化浪潮正在席卷千行百业，山东移动泰安分公司（简称：泰安移动）以“技术赋能、生态协同、梯次服务”为核心
2025-09-23 10:01:00
9月16日-17日，2025腾讯全球数字生态大会在深圳举办。大会期间，深圳市企鹅网络科技有限公司（以下简称“企鹅网络”）与腾讯云正式签署战略合作协议
2025-09-23 10:39:00
在全民健康意识提高与消费升级的双重驱动下，新一代父母对儿童营养的重视程度前所未有。消费需求愈发细分、专业，推动儿童营养品行业从“标准化供给”向“专业化服务”转变
2025-09-23 11:20:00
文｜邱晓芬编辑｜苏建勋2023年底，全球出货量最大的动作捕捉设备提供商"诺亦腾（Noitom）"联合创始人戴若犁，一度以为自己被骗了
2025-09-23 20:47:00
在人工智能技术日臻成熟的2025年，AI已不再是科幻概念或实验室产物，而是深度融入职场生态的“数字同事”。从“工具”走向“伙伴”
2025-09-23 11:37:00