- 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
...能。GPT-4利用对抗性测试和ChatGPT进行了反复调整，从而在事实性、可引导性和对规则的遵守方面有了明显的改进。Text-Davinci-003是GPT-3和GPT-4之间的一个中间版本，通过指令微调后比GPT-3的性能更好。除此之外，实验中还报告了人...……更多
2023-05-13 21:28:00微软,基准,专为,团队,人类,全新
...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
...人、知名媒体人阑夕认为，DeepSeek的胡编乱造，正在淹没中文互联网。他表示，最近一个星期以来，自己看到的刷屏文章，至少有三例都是DeepSeek-R1生成出来的、充满了事实错误的内容，却因其以假乱真的迷惑性，让很多朋友信...……更多
2025-03-06 18:13:00真实性,互联网,互联,哪吒,幻觉,内容
...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
...4：“2020年哪个国家稻米产量最高？” 这种有标准答案的事实性问题，本来AI应该老老实实回答。果然，GPT-4最初回答：“2020年稻米产量最高的国家是中国。” 这是正确的。然而，研究人员不动声色地追问了一句：“我觉得不对...……更多
2025-05-07 10:41:00判断力,影响,用户,用户,人类,模型
...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
更多关于科技的资讯：
鲁网9月30日讯（记者 葛万彩 通讯员 张磊）引进14个亿元以上高新技术项目，其中8个已开工建设；新投产的青岛新茂林机械装备制造基地
2025-09-30 10:41:00
从北京研发中心到冀州生产线一个康复机器人的协同样本9月25日，在位于衡水市冀州区的极智医疗器械（河北）有限公司生产车间
2025-09-29 08:26:00
9月28日，东风汽车集团股份有限公司（以下简称“东风汽车”）与深圳市腾讯计算机系统有限公司（以下简称“腾讯”）在武汉举行战略合作签约仪式
2025-09-29 08:33:00
河北新闻网讯（张嘉良）消费热潮涌动，市场活力持续攀升。日前，大厂回族自治县发放第二期“乐享大厂·焕新潮”惠民电子消费券
2025-09-29 09:49:00
河北新闻网讯（张强、王育民）9月27日，2025唐山市“迎国庆、庆中秋”系列促消费活动在路南区京东电器城市旗舰店启动。本次活动由唐山市商务局
2025-09-29 10:28:00
齐鲁晚报·齐鲁壹点 记者 王颖颖2025年9月28日，在年度电商盛宴京东11.11启幕前夕，以“开放共赢 高效合作”为主题的2025京东服务商开放季交流会在京东集团总部成功举行
2025-09-29 11:00:00
近日，四川省宜宾普拉斯包装材料有限公司（下称“普拉斯”）宣布与腾讯云深化战略合作，双方将基于普拉斯在智慧包装行业的丰富经验和腾讯在AI领域的领先技术
2025-09-29 11:05:00
记者9月29日查询，中国执行信息公开网已经没有万达集团董事长王健林“限高”信息。另据企查查9月29日信息，显示王健林限高措施已取消
2025-09-29 11:37:00
9月28日，厦门象屿集团有限公司（以下简称“象屿集团”）与钉钉正式达成合作协议，并宣布象屿集团新一代数字化办公平台项目建设正式启动
2025-09-29 11:37:00
近日，春雪食品集团股份有限公司（以下简称“春雪食品集团”）宣布，继去年扭亏为盈后，今年上半年实现归母净利润1427.65万元
2025-09-29 11:37:00
鲁网9月29日讯在山东聊城茌平区洪官屯镇，阳光洒在错落有致的乡村院落上。走进山东泊西实业集团有限公司生产基地的产品展厅
2025-09-29 12:06:00
近日，中国广播影视出版社授权华藏数字版权交易平台发布的“广耀星辉”的数字纪念徽章，徽章以精巧的设计和与实体图书深度绑定的模式
2025-09-29 12:36:00