- 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
...力虽然在很多现实场景中不如人类，但在各种专业和学术基准测试中表现出了与人类相当的水平。不管怎么说，GPT-4确实在商业化上更进一步了。GPT-4和GPT-3.5的部分考试成绩在此之前，ChatGPT以及GPT-3在专业领域的表现一直被人们...……更多
2023-03-16 09:00:00就是,模型,阿拉贡,能力,训练,模态
...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
...T-4仍存和此前模型相似的局限性，仍然不完全可靠，存在事实性“幻觉”并出现推理错误，可能自信地在其预测中犯错。同时，它的使用价格也更贵，其API价格是Chat-GPT API 使用价格的15-30倍。GPT-4实现多项突破，晋升“考霸”相...……更多
2023-03-15 21:00:00单词,输出,性能,模型,文本,语言
...具备一定的数学推理思维能力，不会像ChatGPT之前在回答事实性问题时“胡编乱造”，以及答不出鸡兔同笼问题。李彦宏在采访中表示，这得益于文心一言做了知识增强和检索增强，其中知识增强具备5500亿的知识图谱的事实，叠...……更多
2023-03-17 10:00:00文心,市值,蒸发,外界,前景,亮点
...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
...事实上，该公司表示，2.0 Flash 凭借其卓越的数学能力和\"事实性\"，取代 1.5 Pro 成为 Gemini 的旗舰模型。如前所述，2.0 Flash 可以生成并修改文本和图像。 该模型还能采集照片和视频以及录音，以回答相关问题（例如\"他说了什么...……更多
2024-12-12 09:54:00人工智能,人工,模型,用途,全新,智能
...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
...体》电视剧的演员是谁”“《三体》的核心内容”等几个事实性问题，借助百度搜索业务的深厚基础，准确无误的回答出了这些信息。更难得的是，文心一言还拥有较强的总结、分析能力，“张鲁一和于和伟的共同点”“张鲁一...……更多
2023-03-17 09:00:00庄周,梦蝶,文心,世界,文心,李彦
...大模型，不小心给曝光了！在字节开源的代码大模型评估基准FullStack Bench里面，出现了此前字节未披露过的Doubao-Coder。不过目前还只是Preview版，还并没有上线。它在多种编程语言上的性能表现如下，可以看到在闭源模型中排名...……更多
2024-12-06 09:50:00豆包,基准,字节,模型,编程,代码
...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
...算、中文理解和多模态生成。整体而言，关于一些常规的事实性问题，文心一言的回答既能准确理解人类意图，又能清晰地表达，能够满足不同领域的用户需求，表现还算让人满意。不过也有一些意外收获。发布会结束后，商业...……更多
2023-03-17 18:00:00文心,文心,模型,李彦,生成,训练
...一言各方面的能力，比如总结分析的能力、推理的能力。事实性的东西对于一个搜索引擎来说不是那么难，但是对于一个生成式预训练大模型来说，出错的概率还是挺高的，这些问题都答对相当不容易，因为百度的文心一言采用...……更多
2023-03-17 12:00:00纪要,文心,发布会,模型,文心,能力
...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
...定的推理能力，回答有层次感，有一定的分析，有一定的事实性。ChatGPT的出现，使我们看到了人工智能的曙光，尤其是自然语言处理作为人工智能皇冠上的明珠，它会引领下一代人工智能的发展，这个信号越来越强烈了。在追...……更多
2023-02-20 17:00:00最先,革命,产业,内容,全球,人工智能
...、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
更多关于科技的资讯：
3月5日消息，据媒体报道，近日演员杨紫在短视频平台上发布了一段舞蹈视频，因舞姿“魔性”、音乐动感而走红全网，这条视频点赞量已经突破300万
2025-03-05 00:11:00
快科技3月4日消息，日前，网上曝光了小鹏代号E29的全新车型谍照。从图中可以看到，小鹏新车展现出修长的车身轮廓，前脸设计呈现出X型布局
2025-03-05 00:11:00
快科技3月4日消息，长安启源宣布累计交付量已突破20万辆，2月份交付量达到7931辆。长安启源Q07作为全新平台的力作
2025-03-05 00:11:00
快科技3月5日消息，iPhone 16e不支持MagSafe充电，苹果工作人员回应称，iPhone 16e的目标群体大多使用有线充电
2025-03-05 00:41:00
快科技3月5日消息，昨晚，苹果发布了iPad新品，同时还为iPhone16系列手机推出了4款全新配色的硅胶保护壳，分别为淡蓝紫色
2025-03-05 07:11:00
快科技3月5日消息，在MWC2025期间，小米集团合伙人、总裁卢伟冰透露，希望小米汽车在2027年能够官方正式出海。卢伟冰表示
2025-03-05 07:11:00
快科技3月5日消息，近日，安兔兔最新公布了2月安卓手机好评榜单，华为手机表现尤为突出，强势霸榜前二。在这份备受瞩目的榜单中
2025-03-05 07:11:00
快科技3月5日消息，MWC25巴塞罗那期间，华为发布全球数据存储创新中心，为全球客户和伙伴提供一个数据存储解决方案的技术平台
2025-03-05 07:11:00
本文转自：人民日报海外版本报记者 李 婕近日，来自京津冀地区的超4000辆国产自主品牌汽车从天津港环球滚装码头启航，驶向南美等海外市场
2025-03-05 04:46:00
本文转自：人民日报海外版全国政协委员、中国工程院院士 陈晓红当前，人工智能（AI）技术的快速发展受到全世界的关注。从2025年1月举行的全球消费电子展来看
2025-03-05 04:49:00
为切实倾听百姓声音，汇聚民智推动江西发展，2月20日—3月2日，“问计江西”平台发起“问计两会·百姓关心事代表委员答”建言征集活动
2025-03-05 04:51:00
近日，广州市政务服务和数据管理局在政务外网正式部署上DeepSeek-R1大模型，通过融合海量政务数据要素，拓宽政务服务应用场景
2025-03-05 05:56:00
齐鲁晚报·齐鲁壹点 易雪 通讯员 岳雷霆 刘康近日，在位于曲阜经济开发区的曲阜天博汽车电器新建年产5000万套智能电声产品研发制造项目现场
2025-03-05 07:22:00
3月4日消息，据媒体报道，一名13岁留守女孩的脊柱弯曲，经医生诊断，女孩的脊柱已经侧弯到80度，变形严重。据了解，这名女孩平时由爷爷奶奶照顾
2025-03-04 20:41:00
快科技3月4日消息，在2025世界移动通信大会（MWC）上，星纪魅族带来了三款机型，分别是魅族Note 22、魅族mblu 22和魅族mblu 22 Pro
2025-03-04 20:41:00