- 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。
...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
新的大语言模型（LLM）评估基准对于跟上大语言模型的快速发展至关重要。近日，淘宝天猫集团的研究者们提出了中文简短问答（Chinese SimpleQA），这是首个全面的中文基准，具有“中文、多样性、高质量、静态、易于评估”五...……更多
2024-11-22 09:51:00豆包,中文,真实性,评估,模型,中文
...、C-Eval，以及智慧芽面向业内首次提出的专利大模型测试基准（Patent-bench）的测评结果显示，智慧芽垂直领域大模型在问答、总结、写作、翻译、分类等方面能力整体优于商业通用大模型。图：智慧芽垂直领域大模型专业考试成...……更多
2024-08-15 14:22:00模型,智慧,领域,国家,模型,智慧
...估OmniSearch，研究团队构建了全新Dyn-VQA数据集。在一系列基准数据集上的实验中，OmniSearch展现了显著的性能优势。特别是在处理需要多步推理、多模态知识和快速变化答案的问题时，OmniSearch相较于现有的mRAG方法表现更为优异。...……更多
2024-12-05 09:45:00模态,拆解,阿里,检索,过程,智能
...化的合成数据。经过合成数据微调后的模型Orca-3，在多项基准上刷新了SOTA。全世界高质量数据几乎枯竭。AI科学家们为了解决这一难题，可谓是绞尽脑汁。目前来看，合成数据或许就是大模型的未来，也成为业界公认的解决之法...……更多
2024-08-20 13:44:00微软,力作,秘诀,生成,团队,性能
...与 Gemma 相当。具体来说，Meta 在涉及多种语言的 150 多个基准数据集上对 Llama 3.2 进行了评估。对于视觉 LLM，评估基准涉及图像理解和视觉推理任务。视觉模型Llama 3.2 11B 和 90B 模型是首批支持视觉任务的 Llama 模型，因此 Meta 为...……更多
2024-09-27 13:42:00推理,可在,图像,运行,版本,支持
...变得更加强大和灵活，比较它们的能力越来越困难。由于基准变得不那么明确，用于评估大语言模型的“基于氛围”的方法在业界越来越普遍。·人工智能安全在2023年首次占据舞台中心。但人工智能界内部存在深刻分歧，世界各...……更多
2023-10-12 15:21:00共识,监管,现状,方向,报告,全球
...性两方面评估生成视频的质量，结果显示该方法明显优于基准：最佳学生论文
BioCLIP: A Vision Foundation Model for the Tree of Life论文作者来自俄亥俄州立大学、微软研究院、加利福尼亚大学欧文分校、伦斯勒理工学院。他们构建了一个...……更多
2024-06-21 09:21:00华南,清华,农大,获奖,校友,生成
智东西10月11日消息，据VentureBeat报道，北京大学、北京邮电大学和快手科技在本周联合开源了一款名为Pyramid Flow的高清视频生成模型。Pyramid Flow能根据文本描述制作长达10秒、分辨率为1280×768、每秒24帧的视频。Pyramid Flow采用了...……更多
2024-10-12 09:49:00生成,快手,视频,北大,模型,视频
...TS) 、 Qwen2-Audio (+TTS) 。主要结果表 1 给出了 InstructS2S-Eval 基准测试主要结果。首先，在 S2TIF 任务中，从内容（content）角度来看，LLaMA-Omni 相比之前的模型有了显著提升，这主要是因为 LLaMA-Omni 是基于最新的 L……更多
2024-09-24 13:42:00团队,训练,这是,研究,语音,文本
全新大语言模型越狱攻击基准与评估体系来了。来自香港科技大学（Guangzhou）USAIL研究团队，从攻击者和防御者的角度探讨了什么因素会影响大模型的安全。提出攻击分析系统性框架JailTrackBench。JailTrackBench研究重点分析了不同...……更多
2024-11-01 09:29:00模型,基准,攻击,影响,安全,研究
...igLIP）进行了比较，结果发现，PaLI-3 虽然在标准图像分类基准上略微表现不佳，但基于 SigLIP 的 PaLI 在各种多模态基准测试中表现出卓越的性能，特别是在定位和文本理解方面。相关研究论文以“PaLI-3 Vision Language Models: Smaller, Fas.……更多
2023-10-17 16:31:00更快,模型,视觉,语言,训练,模型
...结果显示，XEUS 在多个下游任务中表现优异，在 ML-SUPERB 基准测试中超越了其他模型，如在多语言自动语音识别任务中实现SOTA，且在语音翻译、语音合成等任务中也表现出色。该团队超半数都是华人，其中一作William Chen目前是CMU...……更多
2024-11-18 09:59:00论文,中国,学者,多个,团队,华人
...评测集的长期有效性，可以长期作为模型知识能力的评估基准
易于评估：评测数据的问题和答案非常简短，评测可以基于任意的模型，能够以较低成本和较快速度进行高一致性的评测。
有难度和区分度：我们评估了 40 + 国内外...……更多
2024-11-21 09:43:00事实性,基准,中文,评测,事实,模型
...程对于 LLM 的输出结果，现在已经有了很多标准化的评估基准和机制。以代码生成为例：可以通过在编译器或解释器中运行代码来检查语法错误和功能，从而即时评估生成的代码的准确性。通过测量成功编译的代码所占的百分比...……更多
2024-09-10 13:39:00从头,人工,提示,指南,工程,提示
...3D场景理解中的鲁棒性和泛化能力，在多个3D多模态学习基准测试中取得了优异的性能，超越了以往的方法，且无需针对特定任务的微调。多模态大语言模型（Multi-modal Large Language Models, MLLMs）以文本模态为基础，将其它各种模态...……更多
2024-10-16 13:35:00模型,场景,训练,语言,数据,物体
...PT4-V和Gemini Ultra，但其规模仅为它们的1/10-1/20。Fuyu-Heavy在基准测试跑分中表现突出，部分得分超过Gemini Pro。Adept成立于2022年，创始人包括Google Transformer架构的提出者Ashish Vaswani和Niki Parmar……更多
2024-01-29 09:34:00文生,硅谷,微软,模型,团队,更新
...型安全领域两项国际标准发布全球AI安全评估测试有了新基准随着人工智能系统，特别是大语言模型成为社会各方面不可或缺的一部分，以一个全面的标准来解决它们的安全挑战变得至关重要。◎本报记者 崔 爽第27届联合国科技...……更多
2024-04-25 04:00:00基准,评估,测试,安全,全球,人工智能
...理、数学推理、编程任务及视觉推理等任务上设立新行业基准而引发广泛讨论：Claude-3.5-Sonnet 已经取代OpenAI的GPT4o成为世界上”最聪明的AI“（Most Intelligent AI）了吗？回答这个问题的挑战在于我们首先需要一个足够挑战的智力测...……更多
2024-06-25 09:45:00奥林,奥林匹克,竞赛,模型,推理,能力
...提升基模型的性能。进一步加入TPO，在AlpacaEval、Arena-Hard基准测试中，性能比基线再提升约4%。网友纷纷表示这项研究很有意思，简单而又实用。如果你已经在进行DPO，那么采用这种方法几乎就是不二之选了。
所以，TPO到底长啥...……更多
2024-10-29 09:58:00高徒,偏好,模型,过程,基线,偏好
...和 LLM 评分员自动评估，并与仅使用核心论文作为提示的基准线方法比较。
实验实现与执行的成功率：通过多次实验运行的成功率以及对任务性能的平均提升率来评估实验阶段的效果。
实验结果表明：在研究思路生成阶段，MLR-...……更多
2024-09-26 13:35:00研究,模型,自动化,机器,语言,学习
...的能力从0.705提高到0.938ScreenSpot评估ScreenSpot数据集是一个基准测试数据集，包含了来自移动设备（iOS、Android）、桌面电脑（macOS、Windows）和网络平台的600多个界面截图，其中任务指令是人工创建的，以确保每个指令都对应用户...……更多
2024-10-28 09:51:00贾维斯,贾维,时代,电脑,模型,图标
...版本，可以支持广泛的应用。同时，Llama 3 在广泛的行业基准测试中达到了 SOTA，并提供了新的功能，如改进的推理能力。最强开源 LLM 来了Meta 官方博客写道，“得益于预训练和后训练的改进，我们的预训练和指令微调模型是目...……更多
2024-04-20 11:03:00模型,训练,参数,数据,全球,模型
...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
...过不断增加上下文长度（干扰图片的数量），将现有的VQA基准和简单图像识别集 (MNIST) 扩展为测试长上下文「提取推理」的示例。结果在简单VQA任务上，VLM的性能呈现出惊人的指数衰减。——LLM：原形毕露了家人们。而与实际研...……更多
2024-07-23 17:12:00正确率,长上,下文,模型,只是,能力
...？不安全概念移除首先来看最敏感的内容——色情。在I2P基准数据集上，RECE的裸露移除效果超过了全部已有方法。团队还评估了概念移除后模型的正常内容生成能力，即无关概念集COCO-30k上的FID指标，也远超CA等方法。
艺术风...……更多
2024-08-26 09:54:00复旦,生成,模型,概念,风险,研究
...。由此产生的混合模型包含四分之一的注意力层，在聊天基准测试中实现了与原始 Transformer 相当的性能，并且在聊天基准测试和一般基准测试中优于使用数万亿 token 从头开始训练的开源混合 Mamba 模型。此外，该研究还提出了一...……更多
2024-09-03 09:59:00线性,新作,混合,作者,模型,线性
...双视角，看起来衔接也非常丝滑。以上来自ViewCrafter，由北大、港中文、腾讯等机构的研究人员提出，可以从单张或稀疏输入图像生成精确相机可控的新视角视频。还支持场景级文生3D、图生3D、以及稀疏视角重建等应用。目前论...……更多
2024-09-19 13:37:00全景,腾讯,中文,视角,北大,视角
...面的提升。Meta 的精调 LLM 在对话用例中经过优化，多数基准测试中超过其他开源模型。GPT-4：OpenAI 的 GPT-4 现在可以处理图像输入，生成标题、分类，进行听说交流，并支持 实时网页浏览。OpenAI 扩展了插件支持，推动了开源生...……更多
2023-12-29 05:02:00之年,人工智能,人工,智能,生成,人工智能
更多关于科技的资讯：
从乡村直播间的农特产品，到城市商场的促销热潮，再到物流行业的高效运转……记者从太原市税务局获悉，随着“双11”将下半年消费市场带入旺季
2025-11-21 08:12:00
近日，以 “量子计算+AI：重塑金融科技新范式” 为主题的前沿科技研讨会在北京召开，本次研讨会由天阳宏业科技股份有限公司（以下简称 “天阳科技”）主办
2025-11-21 08:29:00
向智而行，新型工业化加速跑——河钢集团唐钢公司构建全流程一体化生产计划排程系统，实现订单与产能高效匹配；石家庄四药集团应用生产执行系统
2025-11-21 08:36:00
“看见”，是新闻工作的起点。守护新闻工作者的清晰视野，就是守护社会公器的明亮窗口。11月18日，在厦门市新闻工作者协会指导下
2025-11-21 09:40:00
网易 UU 远程全新版本上线，在已有 Mac 控制 PC 功能的基础上，正式开放 Mac 设备被控功能，自此 Mac 实现控制与被控的双向协作
2025-11-21 09:47:00
中新经纬11月21日电 “小米公司发言人”微博21日发布关于Xiaomi Watch S4 Sport潜水功能的说明。小米公司表示
2025-11-21 11:11:00
第30届联合国气候变化大会（COP30）于11月10日至21日在巴西帕拉州首府贝伦市举办，这是2015年《巴黎协定》签署以来最受瞩目的气候大会
2025-11-21 11:36:00
11月18日，数绘星云（深圳）科技有限责任公司与腾讯云正式签订战略合作协议，双方将在云计算、大数据、AIGC等核心领域开展深度合作
2025-11-21 11:48:00
中新经纬11月21日电 据彭博社报道，当地时间20日，谷歌宣布了一款名为Nano Banana Pro的新型图像生成和编辑模型
2025-11-21 11:53:00
回望“十四五”，西安交通大学方涛教授说，他们团队倍感振奋。“在国家能源结构转型关键期，我们扎根国家‘双碳’战略，依托西安交大强大科研平台
2025-11-21 13:29:00
舒朗秋11月19日，工业和信息化部举行新闻发布会，介绍GB6675《玩具安全》系列强制性国家标准修订情况。据介绍，我国建成了全球最为完善的玩具产业链
2025-11-21 14:19:00
20日，2025世界计算大会在湖南长沙开幕。大会发布了2025全球计算十大创新成就及2026十大发展趋势。此次发布的全球计算十大创新成就包括
2025-11-21 15:35:00
2025年11月1日-2日，为期两天一夜的首届雨大王大健康私域IP创业峰会在深圳成功举办。本次峰会以"系统创业，自由人生"为主题
2025-11-21 15:41:00
随着人工智能技术加速重塑千行百业，以AI智能体为代表的AI技术正成为推动产业智能化转型的核心引擎。在保险行业，伴随数字化进程的深入推进
2025-11-21 15:42:00