事实性,基准,中文,评测,事实,模型头条新闻资讯订阅

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。

探索高校思政教育增值评价新范式

...，教育的测评在评价体系设计、评价过程展开仅关注学生事实性的学习行为及结果，狭隘的知识学习代替了作为完整意义上人的存在性学习，遮蔽了学生差异性和主体性，评价工具化、静态化、单一化，最终影响思政教育立德树...……更多

2024-04-03 05:21:00思政,范式,增值,评价,教育,思政

阿里云百炼上线Qwen2.5-Turbo模型，可支持100万

...多数维度超越了GPT-4o-mini；此外，在MMU、LiveBench等短文本基准上Qwen2.5-Turbo的表现也非常优秀，在大部分任务上的表现显著超越之前上下文长度为1M tokens的开源模型。 Qwen2.5-Turbo在长文本、短文本任务评测集上均表现优秀在推理速...……更多

2024-11-21 09:48:00百炼,阿里,上下文,模型,上下,支持

汽车之家818全球购车节：福利+AI双引擎撬动汽车消费新势

...CLUE发布最新一期《SuperCLUE-AutoQA 中文大模型汽车知识测评基准总榜》，汽车之家自研“仓颉大模型”以72.96分的总成绩位居榜首。相比于通用大模型在专业领域的缺陷问题，仓颉大模型借助汽车之家海量真实用户行为数据、专业...……更多

2025-08-22 14:02:00双引擎,势能,汽车,汽车消费,购车,福利

斯坦福团队推出DetectGPT或为检测验证产业链带来新机遇

...LLM撰写且公开发布在新闻网站上的内容，往往存在大量的事实性错误，由于缺少足够的人工审查，也会对新闻读者产生误导。不幸的是，在对LLM生成的文本和人类编写的文本进行分类时，人类的表现只比随机情况略好（Gehrmann et ...……更多

2023-01-31 09:46:00斯坦,斯坦福,新机,产业链,验证,团队

马斯克官宣Grok-2测试版！xAI将继续拥抱开源路线吗？

...价比。根据xAI公布的数据，在GSM8K、HumanEval和MMLU等一系列基准测试中，Grok-1的表现超过了Llama-2-70B和GPT-3.5，不过与第一梯队的GPT-4差距还很明显。图源：xAI来到Grok-1.5，情况已大为改观。Grok-1.5不仅具有改进的推理能力和128k的……更多

2024-08-13 09:50:00马斯,马斯克,测试版,路线,测试,模型

面向实际应用评估系统性能《服务器算力算效评价规范》立项

...基础性能不同，《规范》是一款面向实际应用场景的评价基准，以服务器整机为评测对象，构建20多个基础性能和应用性能评测指标，其中应用性能涵盖数据库、大数据、虚拟化、AI等多种场景。近年来，随着大数据、人工智能...……更多

2024-11-23 14:03:00实际,评估,性能,评价,服务器,应用

百度：基于文心快码开放共建，加速AI研发落地

...日，国内评测机构SuperCLUE也发布“中文原生代码助手测评基准榜单”，百度文心快码总分达到87.55，在国内AI代码产品中排名第一。当下，AI代码生成已成为全球AI生成落地最广泛应用的场景之一。AI研发在帮助企业缩短研发周期...……更多

2024-10-08 18:08:00快码,文心,落地,开放,快码,内源

腾讯推出新一代大模型「混元Turbo」，性能大幅提升，定价低

...能力提升38%，代码能力提升32%。9月2日，中文大模型测评基准SuperCLUE发布《中文大模型基准测评2024年8月报告》，腾讯混元Turbo凭借在多个核心任务上的出色表现，总得分居国内大模型第一名。作为国内成绩最好的模型，腾讯混元...……更多

2024-09-05 14:28:00腾讯,新一代,模型,定价,性能,腾讯

“AI考生”闯关高考，谁是最会做题大模型？

...大模型技术哪家强”的讨论不绝于耳，各色名目的大模型评测应运而生。作为国内最权威的考试之一，高考覆盖各类学科及题型，同时在开考前这些题属于“绝密”，非常适合用来作为考查大模型智能水平的评测工具，堪称大模...……更多

2024-06-26 07:26:00考生,模型,高考,模型,评测,高考

Kimi爆火背后：访问量仅次于文心一言和阿里通义，国内外大模

...用Kimi的上市公司因赛集团表示，经其内部初步评测，Kimi中文处理能力接近ChatGPT 4 Turbo。根据月之暗面发布的实测案例，将《甄嬛传》全集几十万字的剧本传给升级后的 Kimi，然后提问剧本中有哪些细节表明甄嬛的孩子是果郡王...……更多

2024-03-23 14:00:00卷上,通义,阿里,文心,下文,模型

IKCEST第五届“一带一路”国际大数据竞赛获奖名单出炉重

...队长彭浩告诉记者，在比赛中，团队要通过大数据在海量中文信息及英文信息中，甄别出虚假信息。“我们模型结构采用了双流结构，这种结构可以进行模态和模态之间的交互。”彭浩说，最终团队对上千条信息的甄别准确率达...……更多

2023-11-07 21:00:00特等奖,重庆,获奖名单,第五届,邮电,一带

重要突破！西湖大学团队和浙二医院共同实现脑机接口中文解码

...类21个声母方面，声母解码器的准确率超过了40%（超过3倍基准线），并且Top 3正确率几乎达到了100%；而用于区分4个声调的声调解码器的准确率也达到了50%（超过2倍基准线）。除了三个独立音节元素解码器的突出贡献以外，智能...……更多

2023-11-29 11:46:00西湖,中文,接口,团队,突破,医院

无需训练即可大幅提升SAM 2!SAM2Long来了,港中文

... LVOS 数据集上的出色表现外，我们还在其他视频对象分割基准测试上对 SAM2Long 进行了评估。在复杂的现实场景 MOSE 数据集上，SAM2.1Long 的 J&F 得分为 75.2，超越了 SAM 2.1 的 74.5 分。特别是在 MOSE 基准上，SAM 2.1-Larg……更多

2024-11-06 09:43:00上海,中文,训练,路径,内存,视频

开源大模型杀疯了！Mistral新模型三分之一参数卷爆Lla

...的测评结果：Mistral Large 2性能具体如何，来看官方发布的基准测试结果。不到三分之一参数比肩Llama 3.1根据官方Blog，Mistral Large 2参数123B，专为单节点推理设计，在单节点上可实现大吞吐，上下文窗口为128k。代码能力方面，Mistra...……更多

2024-07-26 09:39:00模型,参数,模型,基准,问题,推理

通义千问再放大招：720亿大模型开源，全尺寸赶上LLaMA-

...T tokens的高质量数据训练。阿里云表示，Qwen-72B在10个权威基准测评中夺得开源模型最优成绩，在部分测评中超越闭源的GPT-3.5和GPT-4。△来源：阿里云具体来说，在英语任务上，Qwen-72B在MMLU基准测试取得开源模型最高分；中文任务...……更多

2023-12-01 21:07:00通义,模型,尺寸,移动,模型,阿里

ChatGPT背后：一个天才、百亿融资和1亿日活 | 全球独

...2月8日，微软紧急推出由OpenAI提供技术支持的最新版Bing（中文名“必应”）搜索引擎和Edge浏览器。火从产品本身，烧到了各个领域，从硅谷点燃了全球。从Google指数上看，ChatGPT在全球的热度指数激增；从创投圈来看，2023年开年...……更多

2023-02-08 15:16:00独角兽,融资,天才,背后,全球,微软

DeepSeek火了，淘金者失落，卖铲者狂欢

...化推理检查技术，让系统自动通过数学验证方式严密证明事实性错误是否会发生，避免大模型继续“一本正经地胡说八道”。上一轮AI技术热潮中，人脸识别、语音识别等技术正是承着智能手机的热潮才得以快速普及，这一轮大...……更多

2025-03-11 19:20:00淘金者,模型,亚马,亚马逊,企业,科技

填补国内空白！首个种业大语言模型“丰登”发布

...知识的测试接口申请。此外，还推出种业大语言模型评测基准，通过汇集育种专家整理的专业育种问题与最新评测技术，提供客观性能量化参考，促进“人工智能+农业”生态繁荣。业内人士认为，“丰登”的研发成功，降低了...……更多

2024-04-28 18:48:00种业,模型,空白,语言,育种,知识

大陆法系民事判决争点事实之效力评价规则

...人民法院报在民事诉讼中，对于前诉判决理由中所涉争点事实的判断是否对后诉发生拘束力的问题，大陆法系以明确界分既判力之作用范围为基础，采纳公文书证明力的立法模式来处理这一问题，实质上将其纳入证据法的范畴予...……更多

2024-03-15 07:08:00大陆法系,法系,判决,效力,事实,规则

开源版OpenAI再出「神作」，小模型吊打Llama 3！M

...ral行列，成为Mistral一员。别看仅有30亿参数，在指令跟随基准上，完全超越了Llama 3 8B，以及前辈模型Mistral 7B。而且Ministral 3B和Ministral 8B在大模型竞技场中的测试，均拿下了媲美Gemma 2、Llama 3.1开源模型的成绩。世界上最好……更多

2024-10-23 09:56:00模型,边缘,革命,模型,指令,性能

罗福莉深夜发声：我不是天才少女捧得多高摔得多重

...是一个技术圈内的不认识罗福莉的人，看到那些充满一堆事实性错误的、low到爆的AI风自媒体文章，也会默默给那些买热搜的评论点个赞。为了流量、为了消费的自媒体们请收手吧，不要再无差别打扰我家人、朋友、同“学乃至...……更多

2025-02-19 10:26:00天才,少女,雷军,媒体,安安,媒体报道

AI快讯：国常会审议通过人工智能+行动意见，斑马智行发布元神

...RedOne在8个主要的SNS任务上平均提升14.02%，在SNS双语评测基准上提升7.56%。同时，在线上测试中，相较于单任务微调的基线模型，RedOne将有害内容检测(Harmful Content Detection)中的曝光率降低11.23%，将浏览后搜索(Post-view Sear……更多

2025-08-04 19:12:00元神,人工智能,斑马,常会,人工,快讯

周鸿祎谈ChatGPT：肯定有泡沫，但不是坏事！搭不上这班车

...歌搜索带来巨大威胁的ChatGPT的竞品。不过，9日，Bard犯了事实性错误这一新闻，直接加剧了人们对相关工具尚未准备好集成到搜索引擎中的担忧。周鸿祎认为，相关技术虽然现在还不完美，就像一个婴儿一样，不会很快表现强劲...……更多

2023-02-10 10:22:00周鸿,班车,坏事,泡沫,肯定,周鸿

和评理 | 八项行动促进共同发展中国推动构建公正世界

...贫困群体的毁灭性影响，以及一些关键性全球治理机构的事实性瘫痪……这些问题交织在一起，似乎没有尽头。然而，所有问题的核心都与“正义”和“可持续性”密切相关，这也是主题为“构建公正的世界和可持续的星球”的...……更多

2024-11-20 23:21:00中国,共同发展,行动,发展,世界,中国

腾讯混元文生图大模型升级并对外开源

...多轮对话，根据上下文生成并完善图像。这也是业内首个中文原生的DiT架构文生图开源模型，支持中英文双语输入及理解，参数量15亿。运行该模型需要支持CUDA的英伟达GPU，单独运行混元DiT所需的最低显存为11GB，同时运行DialogGe...……更多

2024-05-15 14:23:00文生,腾讯,模型,对外,升级,文生

伯明翰之后，英国诺丁汉市也宣布事实性破产

...报道，英国英格兰中部城市诺丁汉市政委员会宣布该市已事实性破产，并根据《1988年地方政府财政法》第114条发布了报告。这意味着该市将停止法律规定的服务之外的所有支出。央视新闻报道配图诺丁汉市为英国仅次于伦敦的...……更多

2023-11-30 10:59:00诺丁汉,伯明翰,事实性,英国,事实,诺丁汉

雷军花千万挖人、头部量化私募创立、95后AI“天才少女”，这

...布了新一代大语言模型DeepSeek-V3，同时宣布开源。在多项基准测试中，V3的成绩超越了主流开源模型，并和世界顶尖的闭源模型不分伯仲。同时，由于其极低的训练成本，DeepSeek-V3被称为“AI界拼多多”。据最新发布的技术报告，D...……更多

2024-12-31 09:53:00雷军,头部,天才,少女,公司,小米

较传统采标方法降本80%，合成数据服务商「卓印智能」获天使轮

...，用以端到端地生成合成数据，省去大部分的人工成本。事实上，合成数据赛道在AI出现时就已经存在，主流技术路线有数据增强、仿真、数据生成等。以数据仿真的合成方式为例，此前是通过类似3D图形的引擎，构建一个虚拟...……更多

2024-05-31 13:59:00采标,服务商,融资,传统,天使,智能

联想小新Pro14 AI超能本2024 评测：创作和娱乐全能

...Mark CPU Profile 最大线程数的成绩为7570。· 7-Zip 压缩解压缩基准测试生产力方面，压缩解压缩是比较常用的应用，7-Zip内置的基准测试，通过多轮循环测试，最终的总体得分 100.116 GIPS，表现出色。· X264 FHD Benchmark视频的编解码测试...……更多

2024-05-16 13:49:00超能,全能,评测,创作,娱乐,超能

典型案例通报 | 某体育文化(嘉兴)有限公司未经消防救援机构

...在营业状态中。根据《浙江省消防救援机构行政处罚裁量基准(一)》第一条之规定，鉴于该单位租赁面积(套内建筑面积)为1100平方米不属于一定规模的公众聚集场所，不构成重大火灾隐患，且在检查后2个工作日内主动停止营业，...……更多

2023-11-08 10:15:00嘉兴,典型案例,救援,典型,未经,投入