- 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。
...型及格！北大联合北京通用人工智能研究院提出了一个新基准数据集：LooGLE，专门用于测试和评估大语言模型（LLMs）长上下文理解能力。该数据集既能够评估LLMs对长文本的处理和检索能力，又可以评估其对文本长程依赖的建模...……更多
2024-08-08 09:39:00基准,北大,生成,模型,文本,评估
...
支持多种开、闭源对齐评估：支持了 30 多个多模态评测基准，包括如 MMBench、VideoMME 等多模态理解评测，以及如 FID、HPSv2 等多模态生成评测训练框架北大对齐小组设计了高度模块化、扩展性以及简单易用的对齐训练框架，支持...……更多
2024-10-18 09:47:00模态,指令,框架,模态,模型,数据
...了新颖的视觉条件 3D 生成框架。
他们在单一和稀疏重建基准上进行的数值和视觉比较表明，See3D 在经济高效且可扩展的视频数据上经过训练后，实现了显著的零样本和开放世界生成能力，明显优于在昂贵且受限的 3D 数据集上...……更多
2024-12-13 09:19:00推理,模型,思维,空间,模型,生成
...多种操作技能。在实验中，RoboMamba 在通用和机器人评估基准上展示了出色的推理能力，如图 2 所示。同时，我们的模型在模拟和现实世界实验中展示了令人印象深刻的操纵位姿预测能力，其推理速度比现有的机器人 MLLMs 快 7 倍...……更多
2024-06-21 09:52:00机器,模态,人多,机器人,推理,北大
...图像质量的新方法；GenAI-Bench是一个包含复杂文本提示的基准测试集，用于挑战和提升现有的图像生成模型。两个工具可以帮助研究人员自动评估AI模型的性能，还能通过选择最佳候选图像来实际改善生成的图像。近年来，生成...……更多
2024-11-07 09:53:00文生,次数,联合,方案,模型,文生
...粒度标注系统 VERIFIED，并基于此系统构建新的细粒度 VCMR 基准数据集（Charades-FIG、DiDeMo-FIG 和 ActivityNet-FIG），以推动细粒度视频理解的发展。论文题目：VERIFIED: A Video Corpus Moment Retrieval Be……更多
2024-10-29 09:55:00大规,粒度,范式,清华,片段,大规模
...nd v3（简称PGv3），将模型参数量扩展到240亿，在多个测试基准上达到了最先进的性能，更擅长图形设计。与传统依赖于预训练语言模型如T5或CLIP文本编码器的文本到图像生成模型不同，PGv3完全集成了大型语言模型（LLMs），基于...……更多
2024-10-08 09:48:00文生,图形设计,深度,图形,人类,参数
...AD 模型生成性能我们与多个点云重建或者基于点云生成的基准工作进行比较，评测结果展示出我们的方法在重建精度上表现出色。而在拓扑完整性的评估上，我们模型生成的 CAD 模型大多数生成结果都能保持严格的流形结构，没...……更多
2024-11-26 09:46:00一键,模态,高质量,生成,模型,图像
【新智元导读】普林斯顿大学新发布的CORE-Bench基准测试，通过270个基于90篇跨学科科学论文的任务，可评估AI智能体在计算可重复性方面的表现，最简单任务的准确率可以达到60%，最难任务准确率仅有21%大模型的能力越来越强，...……更多
2024-09-26 13:38:00普林,普林斯顿,斯顿,准确率,基准,科学家
...入设置）更严格地评估模型的多模态理解能力；模型在新基准上的性能下降明显，表明MMMU-Pro能有效避免模型依赖捷径和猜测策略的情况。多模态大型语言模型（MLLMs）在各个排行榜上展现的性能不断提升，例如GPT-4o在大学水平...……更多
2024-09-18 13:31:00模态,史诗,基准,难度,问答,文本
...where to judge）。最后，我们归纳了评估 LLM 作为评判者的基准数据集，并强调了关键挑战和有希望的方向，旨在提供有价值的见解并启发这一有希望的研究领域的未来研究。论文链接：https://arxiv.org/abs/2411.16594
网站链接：https://llm...……更多
2024-12-04 09:49:00范式,模型,基准,偏见,数据,评估
...理方面同样不足。为此他们提出了一种多模态的视觉推理基准，并设计了一种新颖的数据合成方法。无论是语言模型还是视觉模型，似乎都很难完成更抽象层次上的理解和推理任务。语言模型已经可以写诗写小说了，但是依旧算...……更多
2024-08-08 16:23:00模态,领衔,基准,推理,视觉,能力
...eepMind 团队于 12 月 17 日发布博文，宣布推出 FACTS Grounding 基准测试，评估大型语言模型（LLMs）根据给定材料是否准确作答，并避免“幻觉”（即捏造信息）的能力，从而提升 LLMs 的事实准确性，增强用户信任度，并拓展其应用...……更多
2024-12-19 09:32:00照妖镜,基准,幻觉,模型,语言,示例
...的研究人员联合撰写百页长文，发布名为MultiTrust的综合基准，首次从多个维度和视角全面评估了主流多模态大模型的可信度，展示了其中多个潜在安全风险，启发多模态大模型的下一步发展。论文标题：Benchmarking Trustworthiness of ...……更多
2024-07-25 09:31:00模态,清华,可信度,领衔,可信,几何
...DS-1000在数据格式和评估的编程技能方面与HumanEval和MBPP等基准有所不同，其数据构造过程确保其几乎不被任何模型的训练集所包含，从而使得团队在DS-1000上观察到的改进具有可靠性。这些结果表明，CodeDPO不仅仅适应于HumanEval等...……更多
2024-11-28 09:57:00代码生成,偏好,框架,北大,生成,模型
...entGoogle DeepMind：利用运动轨迹控制视频生成大模型数学新基准：成功率最高 2%Meta 推出「高效追踪一切」模型SOLAMI：首个端到端社交视觉-语言-动作建模框架RevThink：使用逆向思维增强 LLM 推理想要第一时间获取每日最新大模型热...……更多
2024-12-10 09:53:00模型,语言基础,清华,定律,密度,团队
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
...越重要。百融云创参加的这场“考试”名叫检索增强生成基准测评，这是对大模型处理“幻觉问题”的能力测评，也是对大模型生成内容准确性的测评。尽管大模型带来令人兴奋的技术进步，但“幻觉”一直是制约其发展的主要...……更多
2024-03-28 16:16:00精度,幻觉,模型,结果,模型,幻觉
...型Falcon Mamba 7B，性能与Transformer架构模型相媲美，在多个基准测试上的均分超过了Llama 3.1 8B和Mistral 7B。今天，阿布扎比支持的技术创新研究所(TII) 开源了全球第一个通用的大型Mamba架构模型——Falcon Mamba 7B。虽然之前，但仅……更多
2024-08-14 09:43:00一鸣,霸主,模型,再次,模型,序列
...要好。
最后，与开源模型一起，Mistral还贡献了一个开源基准测试MM-MT-Bench，用于在实际场景中评估视觉语言模型。技术细节当前的多模态大模型基本上都是：模态编码器 + 投影模块 + 大语言模型主干。如果需要多模态输出，后...……更多
2024-11-20 09:43:00模态,竞技场,竞技,报告,技术,模态
...里大学等机构的研究人员首次提出了文本边图的数据集与基准，包括9个覆盖4个领域的大规模文本边图数据集，以及一套标准化的文本边图研究范式。该研究的发表极大促进了文本边图图表示学习的研究，有利于自然语言处理与...……更多
2024-11-09 13:34:00大规,本图,基准,大规模,文本,格式
...动评分器 ( FLAMe-RM 和 FLAMe-Opt-RM）。在12个自动评分器评估基准中的8个基准上，FLAMe及其变体的自动评分性能优于用专有数据训练的GPT-4o、Gemini-1.5-Pro等模型。- 计算高效的多任务训练：引入了一种计算更为高效的方法，使用创新...……更多
2024-08-05 09:37:00准确率,模型,评估,评估,模型,数据
....5 倍（如图 5 所示）。数据集评估本文在一系列标准学术基准测试中评估 Conba 性能，包括常识推理任务（如 HellaSwag、WinoGrande、ARC - E、ARC - Challenge）、阅读理解任务（如 BoolQ、QuAC）、聚合基准测试（如 MMLU、BBH），采用不同……更多
2024-10-16 13:34:00序列,架构,北大,混合,团队,性能
...理各种文本生成任务。从结果来看，Falcon Mamba 7B 在一些基准上超越同尺寸级别的领先模型，包括 Meta 的 Llama 3 8B、Llama 3.1 8B 和 Mistral 7B。
Falcon Mamba 7B 分为四个变体模型，分别是基础版本、指令微调版本、4bit 版本……更多
2024-08-14 09:39:00力大,架构,模型,模型,架构,训练
...。为了方便自动化评估，团队还一道推出了全新的大规模基准ScholarQABench，覆盖了CS、生物、物理等多个学科，用于评价模型在引用准确性、涵盖度和质量的等方面的表现。由UWNLP和Ai2两大顶流机构联手，OpenScholar在开源方面几乎...……更多
2024-11-27 13:33:00神器,文献,效率,科研,学术,模型
...预测精度。田柯宇团队在ImageNet 256×256和512×512条件生成基准上测试了深度为16、20、24和30的VAR模型，并将其与最先进的图像生成模型家族进行比较，包括生成对抗网络（GAN）、扩散模型（Diff.）、BERT 风格的掩码预测模型（Mask.）...……更多
2024-12-05 09:47:00实习生,下巴,字节,实习,论文,模型
...内容，将通过定量评估一系列需要生成文本或语音token的基准测试，特别评估Spirit LM在单模态和跨模态场景中的语义能力。自动语音识别（ASR）和文本转语音（TTS）与文本语言模型类似，SPIRIT语言智能体可以通过少量样本提示来...……更多
2024-11-23 09:43:00音频,模态,重磅,文本,任务,情感
...Krystals Kyber，使研究人员能够对基于人工智能的攻击进行基准测试，并将其与现在以及将来的新攻击手段进行对比。论文链接：https://arxiv.org/pdf/2408.00882v1代码链接：https://github.com/facebookresearch/LWE-ben……更多
2024-11-28 12:02:00一文,大礼包,大礼,安全性,语音,图像
...该工作首先引入了 Intention-in-Interaction（IN3）这一全新的基准测试，旨在通过与用户明确的交互来理解用户的隐式意图。以 Mistral-7B 为框架，基于 IN3 训练的 Mistral-Interact 能主动评估任务的模糊性，询问用户意图，并在启动下游智...……更多
2024-08-14 09:39:00意图,模型,人类,智能,智能,任务
...了不到十分钟。GPT-4 Turbo 具有创纪录的准确率，在 PyLLM 基准上，GPT-4 Turbo 的准确率是 87%，而 GPT-4 的准确率是 52%，这是在速度几乎快了四倍多的情况下（每秒 48 token）实现的。至此，生成式 AI 的竞争似乎进入了新的阶段。很多...……更多
2023-11-08 18:08:00模型,测试,用户,代码,基准,尝试
更多关于科技的资讯：
海外华媒代表参访视源股份（谢明 摄）10月19日，参加第六届海外华文新媒体论坛的40余位媒体代表，在人民日报海外网组织下走进广州视源电子科技股份有限公司（简称“视源股份”）第五产业园
2025-10-21 22:52:00
10月21日，TCL华星第8.6代印刷OLED生产线（以下简称“t8项目”）在广州开发区、黄埔区正式开工。t8项目是全球第一条规模化量产的G8
2025-10-21 22:52:00
鲁网10月21日讯伴随 “双 11” 消费季临近，山东家电市场迎来年度消费热潮。作为本土家电零售领军企业，三联家电于10月24日至26日率先启动 “11
2025-10-21 17:09:00
“只剩最后500单！”“3、2、1，上链接！”近日，某直播平台上，一名美妆主播正卖力推销一款“限量”粉底液，评论区不断涌现“已拍”“再加点货吧”等留言
2025-10-21 16:44:00
近日，滨海新区知识产权保护中心（以下简称滨海保护中心）通过专业预审服务，高效护航天津医科大学眼科医院科研团队自主研发的“干细胞内囊泡制备与应用”系列专利技术
2025-10-21 15:54:00
10月20日，京东2025驼奶粉行业峰会在京召开，大会以“品质溯源、产业共生”为主题，聚焦行业痛点与机遇，通过多方联动促进产业链健康发展
2025-10-21 11:11:00
本报讯(全媒体记者左阳天)10月19日，“2025中国VR50强企业”名单正式发布，这是“中国VR50强企业”名单连续第七年发布
2025-10-21 05:52:00
南京微短剧产业联盟成立，“攥指成拳”闯千亿级赛道共聚“微”光，好“剧”有戏□南京日报/紫金山新闻记者鲁舒婷近260家相关企业
2025-10-21 07:45:00
2025厦门国际时尚周在中山路举行，精彩活动吸引众多市民游客。“九球天后”潘晓婷亮相2025厦门国际时尚周。厦门国际时尚周助力首发经济
2025-10-20 08:56:00
中秋佳节，为推动中华优秀传统文化在数字时代实现创造性转化与创新性发展，浙江文化产权交易所（以下简称 “浙江文交所”）携手中央广播电视总台“总台文创”
2025-10-20 14:50:00
鲁网10月20日讯10月17日-10月18日，潍柴雷沃智慧农业2025年全球合作伙伴发展大会在青岛举行。25款明星机型组成的“全矩阵”智能装备军团震撼列阵
2025-10-20 16:39:00
鲁网10月20日讯 金秋消费季迎来重磅炸弹！三联家电宣布将于10月24日至26日启动年度促销活动——“10.25海信来了”
2025-10-20 16:46:00
鲁网10月20日讯10月17日-18日，以“战略协同·产品赋能·运营提效”为主题的潍柴雷沃智慧农业2025年全球合作伙伴发展大会在青岛召开
2025-10-20 16:47:00
日前，中国联通、中国移动、中国电信相继宣布，已获得工信部批复，在全国范围开展eSIM手机业务商用试验。这标志着，移动手机彻底告别实体SIM卡的时代正在从愿景走向现实
2025-10-20 17:37:00