- 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，Qwen2-72B 在包括自然语言理解、知识、代码、数学及多语言等多项能力上均显著超越当前领先的模型，如 Llama-3-70B 以及 Qwen1.5 最大的模型 Qwen1.5-110B。 ……更多
2024-06-07 09:32:00通义,模型,尺寸,模型,训练,上下文
【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
...验环境，这是两个用于评估多模态智能体自主执行任务的基准测试平台，来模拟攻击测试。具体而言，研究人员将设计好的对抗性弹出窗口注入到智能体的观察空间中，并在实验过程中记录智能体的行为和性能指标（包括点击弹...……更多
2024-11-09 09:52:00电脑,智能,攻击,任务,研究,成功
...
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
...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
...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
...lu 3 系列模型明显优于同等规模的其它模型。8B 模型在各基准上的表现70B 模型在各基准上的表现
Tülu 3 是如何炼成的？Ai2 在预训练语言模型的基础上，通过四个阶段的后训练方法生成 Tülu 3 模型（见图 1）。这套训练流程结合...……更多
2024-11-26 09:44:00模型,性能,训练,模型,训练,数据
...视觉环境和文字指令进行自动操作；
理解图像视频中的多语言文本，包括中文、英文，大多数欧洲语言，日语、韩语、阿拉伯语、越南语等。
Qwen2-VL 延续了 ViT 加 Qwen2 的串联结构，三个尺寸的模型都采用了 600M 规模大小的 ViT...……更多
2024-09-03 09:45:00二代,通义,阿里,模型,视觉,语言
...：引入了多轮对话数据，模拟真实的长文本问答场景。
多语言支持：提供中英双语数据，满足多语言应用需求。推理加速优化为了进一步提升Hunyuan-Large的推理效率，混元团队采用了多种优化技术，其中最关键的是KV Cache压缩。...……更多
2024-11-07 09:54:00腾讯,商用,模型,参数,模型,数据
...示了AFM-server在HuggingFace OpenLLM排行榜V1，以及HELM-Lite v1.5.0基准上的结果。可以看到，AFM预训练模型有着强大的语言和推理能力，从而为后训练和特征微调提供了坚实的基础。后训练 人类评估对于苹果AI的应用场景来说，人类评估...……更多
2024-08-01 09:40:00进化,模型,苹果,报告,技术,苹果
...比，Claude3系列在分析、预测、内容创作、代码生成以及多语言对话等方面展现了改进。据报道，这些模型还具备了增强的视觉能力，允许模型处理照片、图表和图解等视觉格式，类似于GPT-4V和谷歌的Gemini在实际测试中，Claude3相...……更多
2024-03-10 18:27:00模型,对手,模型,处理,能力,前代
...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
...根据个人喜好和需求提供定制化的建议和解决方案。3.2.2多语言适应未来的语音呼叫技术将能够适应多种语言和方言，并能够以自然的方式进行多语言对话，使全球用户都能享受到便捷的语音交流体验。
结论语音呼叫正经历着...……更多
2024-06-07 22:57:00语音,呼叫,变革,助手,智能,电话
...，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
...。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
...含8B、70B和405B三个尺寸，最大上下文提升到了128K，支持多语言，代码生成性能优秀，具有复杂的推理能力；2.从基准测试结果来看，Llama3.1超过了GPT-40125，与GPT-4o、Claude3.5互有胜负；3.提供开放/免费的模型权重和代码，许可证允...……更多
2024-07-24 12:13:00模型,里程,里程碑,准时,模型,伯格
...Skywork-13B-Base模型是Skywork-13B的基础模型，其经由3.2万亿个多语言高质量数据训练，在CEVAL, CMMLU, MMLU, GSM8K等评测与基准测试上都展现了同等规模模型的最佳效果。
Skywork-13B-Math模型经过专门的数学能力强化训练，在GSM8K……更多
2023-10-30 15:35:00万维,昆仑,商用,高质量,模型,领先
...时间段和地理位置的时空动态的理解。相比之下，传统的基准模型通常更注重编码时空依赖关系，而忽略了区域、时段和数据类型之间的语义差异。通过将丰富的语义信息融入UrbanGPT，我们显著提升了其在未见过的区域中进行精...……更多
2024-08-01 09:40:00时空,华南,样本,理工,模型,时空
...small性能和效率大幅提升。性能方面，text-embedding-3-small在多语言检索常用基准（MIRACL）的平均得分从31.4%提高到44.0%，而英语任务常用基准（MTEB）的平均得分从61.0%提高到62.3%。定价方面，text-embedding-3-small的定价是t……更多
2024-01-27 20:36:00模型,更新,模型,价格,得分,性能
...书，为AI理解和执行复杂空间任务提供了新的挑战和研究基准，让机器人或AR眼镜指导家具组装不再是梦。随着人工智能技术的快速发展，让机器理解并执行复杂的空间任务成为一个重要研究方向。在复杂的3D结构组装中，理解和...……更多
2024-12-04 09:53:00斯坦,斯坦福,指令,全自动,场景,家具
...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
...日新·商量”又拿了金牌！今日，中文多模态大模型测评基准SuperCLUE-V发布10月榜单：商汤日日新·商量多模态大模型（SenseChat-Vision5.5）凭借多个任务上的出色表现，总得分位列国内大模型第一梯队，智夺金牌。商量多模态大模型...……更多
2024-10-14 13:34:00商汤,模态,基准,模型,模型,能力
...写代码。已有的研究考察了大模型在科研领域的表现，但基准数据集大多属于「回顾性质」的，比如MMLU、PubMedQA和MedMCQA，主要以问答的形式来评估模型的核心知识检索和推理能力，然而，这些基准都不适合评估模型前瞻的能力...……更多
2024-12-09 09:50:00暴虐,准确率,模型,高达,完了,科研
...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
...“作弊”（doge）。事情是这样的——人类 VS AI科研能力大比拼，也有新的评估基准了。代号“RE-Bench”，由非营利研究机构METR推出，目的是搞清：当前AI智能体在自动化科研方面有多接近人类专家水平。注意看，一声令下之后，...……更多
2024-11-26 09:46:00科研,人类,人类,专家,任务,评估
...与文本混合的原生文生图和可自定义的文本转语音（TTS）多语言音频内容。此外还支持原生调用工具，如Google搜索、代码执行以及第三方用户定义函数等，为用户提供了更为便捷和强大的功能。在技术层面，Gemini 2.0采用了最新...……更多
2024-12-12 07:15:00模型,音频,模态,自然语言,文生,多语
...称Gemini Ultra 在大型语言模型研发被广泛使用的 32 个学术基准测试集中，在其中 30 个测试集的性能超过当前 SOTA 结果。
Gemini是谷歌各个团队大规模合作的成果，包括谷歌研究院的研究者，这个模型从发布之初就定位为原生多模...……更多
2023-12-07 16:15:00神仙,模型,观察,科技,模型,任务
...提高大语言模型的真实性，并探索将中文简短问答扩展到多语言和多模态设置。论文地址：https://arxiv.org/abs/2411.07140 ……更多
2024-11-22 09:51:00豆包,中文,真实性,评估,模型,中文
...总裁艾力·柯林斯（Eli Collins）表示：“事实上，Gemini在多语言能力方面表现相当出色。”与新模型一起亮相的，还有新版本的TPU芯片TPU v5p，旨在减少训练大语言模型相关的时间投入。TPU是谷歌为神经网络设计的专用芯片，经过...……更多
2023-12-07 10:21:00最先,模型,比斯,模型,哈萨,人工智能
...为了评估o1系列模型的规划能力，作者使用了PlanBench评估基准。该基准的提出者中也正好包含了本文三名作者中的两名——共同一作Karthik Valmeekam，以及他的导师Subbarao Kambhampati。PlanBench专门为评估大模型规划能力而设计，任务类...……更多
2024-09-29 09:51:00范畴,模型,能力,语言,规划,模型
更多关于科技的资讯：
当数字技术遇上传统文化，会碰撞出怎样的创作火花？截至11月30日，国家艺术基金2025年度资助的“沉浸式交互动漫人工智能创作高级人才培养”项目
2025-12-09 12:34:00
以创新叩响未来之门：“凯叔讲故事”荣获第五届未来视听创新大赛优秀奖近日，第五届未来视听创新大赛获奖名单在京正式揭晓。在这场由国家广播电视总局
2025-12-09 13:04:00
2025年岁末，中国汽车产业科技创新版图再添浓墨重彩的一笔。12月8日，东风汽车自研全新马赫1.5T混动发动机凭借48
2025-12-09 13:34:00
近日，『乌江x山姆』双拼组合装乌江爽脆涪陵榨菜在山姆会员商店交出亮眼成绩单。这款10月22日在全国上市的新品，仅用一个月时间便荣登山姆会员店新品热度榜TOP1与酱菜类热度榜TOP1
2025-12-09 13:34:00
9日，在2025长春国际医药健康产业博览会现场，展厅内人流如织，聚焦“医学、医药、医疗、医养”的展馆内，带来智能康复设备的吉林省微渺医疗科技有限公司
2025-12-09 13:47:00
人形机器人在活动现场“上岗”。 （受访者 供图）人形机器人在展会现场“接待”。（厦门日报记者 杨霞瑜 摄）
厦门网讯 （厦门日报记者 杨霞瑜）有机器人在学校运动会上岗当纪律员
2025-12-09 08:57:00
12月5日，钉钉客户摩尔线程智能科技（北京）股份有限公司（以下简称“摩尔线程”）正式在上海证券交易所科创板挂牌上市，成为“国产GPU第一股”
2025-12-09 09:53:00
面对市场上各式各样的RGB-MiniLED电视，如何挑选一台真正适合自己、能提升生活品质的型号？如果你正在纠结“哪款值得入手”
2025-12-09 10:05:00
当电视行业步入以RGB-MiniLED为关键词的高画质竞赛，甄别技术的真伪与深度成为选购第一步。真正的RGB-MiniLED
2025-12-09 10:01:00
随着AI技术的飞速发展，企业正面临从技术试点到全面应用的关键转折点。技术加速：Gartner报告显示，当前AI智能体和AI就绪型数据发展最快
2025-12-08 11:12:00
还在为寻找稳定、低风险的增收渠道而烦恼吗？将一台南迪自动售货机放置在路边，它不仅是24小时不休的“金牌销售”，更是能创造被动收入的坚实资产
2025-12-08 13:35:00
十年博鳌潮海阔，百舸争流共进发。12月2日至5日，2025企业家博鳌论坛系列活动在海南博鳌举办。围绕“链接全球，引领未来
2025-12-08 13:39:00
鲁网12月8日讯在制造业转型升级与企业全球化布局的双重浪潮中，科技型小微企业正成为激活新质生产力的重要引擎。近日，兴业银行济南分行精准对接企业需求
2025-12-08 14:14:00
12 月 4 日至 7 日，巴西圣保罗动漫展览会（Comic Con Experience）正式举行，作为世界领先的以漫画
2025-12-08 14:56:00
河北新闻网讯（杨自立）近日，河北省工业和信息化厅公示2026年河北省工业设计拟支持项目名单，廊坊华安汽车装备有限公司工业设计中心成功入选省级工业设计中心
2025-12-08 15:00:00