- 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。
...、4501个三轮对话任务，全面揭示了当前LLM在复杂多轮、多语言场景中的挑战。所有模型在多轮对话中表现显著衰减，表现最佳的o1-preview模型在三轮对话的准确率从87.7%下降到70.7%；在非拉丁文字语言上，所有模型的表现显著弱于...……更多
2024-11-26 09:51:00多语,大比,基准,指令,任务,语言
...而，这些进展主要依赖于英语的基座模型，并受制于缺乏多语言医疗专业数据的限制，导致当前的医疗大模型在处理非英语问题时效果不佳。为了克服这一挑战，近期一篇发表在《nature communications》的论文全面地从数据、测评、...……更多
2024-09-30 09:51:00多语,大规,模型,语料,基准,大规模
...日（9月23日）发布博文，报道称OpenAI在HuggingFace上发布了多语言大规模多任务语言理解（MMMLU）数据集。背景随着语言模型日益强大，评估其在不同语言、认知和文化背景下的能力已成为当务之急。OpenAI决定推出MMMLU数据集，通过...……更多
2024-09-24 22:07:00多语,大规,大规模,任务,语言,语言
...均长度：语言多样性当今大量的商业化应用场景涉及处理多语言文档。Mistral Large 2 在大量多语言数据上进行了训练，特别是在英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语、俄语、中文、日语、韩语、阿拉伯语...……更多
2024-07-26 09:36:00模型,基准,多语,测试,性能,生成
...上甚至超越了人类设计师，同时支持精确的RGB颜色控制和多语言识别。自去年以来，文本到图像生成模型取得了巨大进展，模型的架构从传统的基于UNet逐渐转变为基于Transformer的模型。Playground Research最近发布了一篇论文，详细...……更多
2024-10-08 09:48:00文生,图形设计,深度,图形,人类,参数
...在上下文长度为2048个token的英语数据上进行训练，可能在多语言或长上下文上表现不佳。在未来的版本中，作者计划包括对更多具有更长上下文的多语言数据集的训练。最后，这项工作一直以有监督的多任务方式训练FLAMe模型。...……更多
2024-08-05 09:37:00准确率,模型,评估,评估,模型,数据
... 2 的七倍，包含的代码数量也是 Llama 2 的四倍。为了应对多语言使用情况，Llama 3 的预训练数据集中有超过 5% 的高质量非英语数据，涵盖 30 多种语言。为了确保 Llama 3 在最高质量的数据上进行训练，Meta 开发了一系列数据过滤管...……更多
2024-04-20 11:03:00模型,训练,参数,数据,全球,模型
...这些异质的用户行为，是在线购物所必须解决的问题。
多语言任务：在线购物平台往往在不止一个地区运营，因此需要模型能同时理解多种语言描述下的商品和用户问题。基于以上分析，研究构造了Shopping MMLU，覆盖四项在线购...……更多
2024-11-21 09:45:00在线购物,基准,模型,任务,购物,数据
...务。尽管参数规模仅有38.2亿，但Phi-3.5-mini-instruct模型在多语言和多轮对话任务中表现出的性能不俗。它在许多基准测试中拥有较为先进的水平，并在长上下文代码理解任务中以明显优势超过了其它模型（Llama-3.1-8B-instruct和Mistral-...……更多
2024-08-22 09:49:00上下文,微软,架构,模型,上下,性能
...见量化基准，挑战性任务基准，领域特定基准，以及其他多语言，多模态，指令跟随基准等等。
表 2：LLM-as-a-judge 数据集和基线展望：挑战和机遇（1）偏见与脆弱性：大模型作为评判者，一直受困扰于各种各样影响评价公平性...……更多
2024-12-04 09:49:00范式,模型,基准,偏见,数据,评估
...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
...，超过了参数量大10倍的CodeLlama-70B-Instruct。在全部的三项基准测试（代码生成、数据科学编程、代码编辑）中，SelfCodeAlign都战胜了之前最先进的指令微调方法OctoPack。此外，在HumanEval+上，SelfCodeAlign的性能超越了基于GPT-3.5……更多
2024-11-29 09:26:00伯克,伯克利,进化,模型,代码,方法
...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
随着语言模型的能力越来越强，现有的这些评估基准实在有点小儿科了，有些任务的性能都甩了人类一截。通用人工智能（AGI）的一个重要特点是模型具有处理人类水平任务的泛化能力，而依赖于人工数据集的传统基准测试并...……更多
2023-05-13 21:28:00微软,基准,专为,团队,人类,全新
...在响应和打断速度、情绪感知情感共鸣、语音可控表达、多语言多方言等方面实现了突破。简单来说，「情感语音通话」提供了一个真人一般的对话伙伴，而不仅仅是一个文字的朗读者。以下视频来源于 智谱清言
视频链接：htt...……更多
2024-10-26 09:49:00一波,模型,国产,还是,语音,模型
...于轻量级的 1B 和 3B 版本，则都是纯文本模型，但也具备多语言文本生成和工具调用能力。Meta 表示，这些模型可让开发者构建个性化的、在设备本地上运行的通用应用 —— 这类应用将具备很强的隐私性，因为数据无需离开设备...……更多
2024-09-27 13:42:00推理,可在,图像,运行,版本,支持
...数据集，经过筛选和使用特定的训练目标。其他元素包括多语言字幕、OCR 处理、跨语言 VQA 和 VQG、物体感知 VQA 以及物体检测。虽然没有包括来自视频的任务或数据，但由于强大的图像编码器，PaLI-3 在这些基准上仍然具有竞争...……更多
2023-10-17 16:31:00更快,模型,视觉,语言,训练,模型
...了Les Minimrau的性能。其中包括知识与常识、代码、数学、多语言四大方面。预训练模型如下图所示，与Gema 2 2B、Llama 3.2 3B相比较，Minstral 3B在以上基准上，取得了最优成绩。在与Llama 3.1 8B、Mistral 7B相比较过程中，仅有代码能力，...……更多
2024-10-23 09:56:00模型,边缘,革命,模型,指令,性能
...广泛的风险场景，如对抗性越狱查询、真实世界交互以及多语言环境等。JAILJUDGE的核心创新是引入了多Agent越狱评估框架，借鉴法庭审判的模式，通过多个Agent的协作，实现对越狱判断过程的明确化和可解释性。
每个Agent（如判...……更多
2024-11-01 09:29:00模型,基准,攻击,影响,安全,研究
...项）上表现更好，特别是在数学、科学和推理（+28.9%），多语言（+22.3%），视频理解（+11.2%）和代码（+8.9%）等领域。即使是对比Gemini 系列的高端产品Gemini 1.0 Ultra， Gemini 1.5 Pro也在超过一半的基准（16/31）上表现更好，特别是在...……更多
2024-02-21 14:05:00劲敌,高产,模式,模型,上下文,处理
...的视频 LMM——LLaVA-Video。实验表明，LLaVA-Video 在多个视频基准上表现出色，展示了该数据集的有效性。
论文标题：VIDEO INSTRUCTION TUNING WITH SYNTHETIC DATA
论文链接：https://arxiv……更多
2024-10-22 09:54:00模态,大功,瓶颈,模型,突破,项目
...评估 SELF-GUIDE 的有效性，研究者从 Super-NaturalInstructions V2 基准中选择了 14 个分类任务和 8 个生成任务。研究者随机选择了一半任务用于超参数搜索，剩余的一半用于评估。在模型方面，研究者选择了 Vicuna-7b-1.5 作为输入生成、...……更多
2024-08-02 09:40:00清华,性能,任务,数据,学习,生成
...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
...Mo基本模型与Gemma29B和Llama38B的性能比较。图1：MistralNeMo在多语言基准测试中的表现。图2：Tekken压缩率MistralNeMo指令调整模型精度。使用GPT4o根据官方参考文献进行的评估。 ……更多
2024-07-19 22:18:00英伟,模型,语言,人工智能,模型,人工
...中文在内的20种语言进行音频等多模态交互，这次更新在多语言方面更加强大。
GPT-4o数据优势明显。在数据层面，根据传统基准测试，GPT-4o的性能对比GPT-4 Turbo处于优势，对比其他模型更是大幅领先。GPT-4o可通过呼吸来辨别情绪...……更多
2024-05-20 02:59:00人工智能,人工,模型,智能,人工智能,情绪
...大模型评估基准FullStack Bench。这是一个专注于全栈编程和多语言编程的代码评估数据集，它首次囊括了编程全栈技术中超过11类真实场景，覆盖16种编程语言，包含3374个问题。FullStack Bench的应用领域抽取自全球最大的程序员技术...……更多
2024-12-06 09:50:00豆包,基准,字节,模型,编程,代码
...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
...本性能甚至超过了LLM骨干模型，特别是在文本数学和编码基准测试中，平均准确率提高了4.3个百分点。文本大模型经过多年的发展，逐渐发展成了统一的纯解码器Transformer架构。反观现有的多模态大模型架构仍然处于混乱状态，...……更多
2024-09-24 13:36:00英伟,模态,文本,性能,模态,模型
...更加符合预期的结果。整体来看，缺乏交互式数据分析的基准——是本次研究面临的最大问题之一。为了解决这一问题，他们以“斯坦福小镇”项目为启发，创建了“DECISION COMPANY”。“DECISION COMPANY”是数据分析领域的首个多代...……更多
2024-04-07 10:50:00立新,数据分析,基准,科学家,模型,评估
...，生成用于训练和评估的数据，并提供算法比较的标准化基准。为了使智能体能够与环境互动，必须构建一个逼真的模拟环境。这需要考虑环境的物理特性、对象的属性及其相互作用。如下图所示，本综述将对两种仿真平台进行...……更多
2024-07-29 09:39:00中大,文献,调研,深度,实验室,实验
更多关于科技的资讯：
快科技2月22日消息，今日晚间，小米集团卢伟冰开启爆料直播。在直播间，卢伟冰称“小米15 Ultra的影像总结为一皇一后”
2025-02-22 21:01:00
快科技2月22日消息，今日晚间，卢伟冰开启小米15 Ultra爆料直播。卢伟冰在直播间表示，小米15 Ultra立项之初
2025-02-22 21:01:00
快科技2月22日消息，今日晚间，小米集团卢伟冰在直播中表示，小米SU7 Ultra量产版将会征战纽北赛道。卢伟冰说，小米SU7 Ultra原型车曾征战纽北
2025-02-22 21:31:00
快科技2月22日消息，博主数码闲聊站曝光了小米15 Ultra的影像全规格参数，具体如下：5000万主摄：1英寸超大底
2025-02-22 22:01:00
快科技2月22日消息，李楠发微博表示，同样的钱他推荐OPPO Find N5，而不是iPhone 16 Pro，同样的钱推荐vivo X Fold3
2025-02-22 22:31:00
快科技2月22日消息，iPhone 16e将于2月28日正式发售，起售价是4499元，该机支持国补，到手价是3999元起
2025-02-22 22:31:00
快科技2月22日消息，影驰日前推出了全新GeForce RTX 50系列显卡——包括“Boomstar星曜”、“MetalTop金属大师”
2025-02-22 22:31:00
2月22日消息，微博话题“《家有儿女》到底花了多少经费在餐桌上”引发热议。据报道，有网友在社交平台上表示，他重温电视剧《家有儿女》
2025-02-22 23:01:00
快科技2月22日消息，真我Neo7 SE将于2月25日16:00正式发布，这将是2000元以内最强性能神机。该机搭载联发科天玑8400-Max处理器
2025-02-22 23:01:00
快科技2月22日消息，博主数码闲聊站爆料，OPPO Find X8 Ultra的直屏路线或许真得押对了，友商下一代超大杯开始评估直屏
2025-02-22 23:01:00
快科技2月22日消息，博主定焦数码表示，华为WATCH 5系列智能手表会在5月份登场。根据此前爆料的信息，华为Pura 80系列预计也会在5月份发布
2025-02-22 23:31:00
快科技2月22日消息，七彩虹近日推出了iGame RTX 5070 Ti Vulcan OC显卡。现在这款新品已经来到我们评测室
2025-02-22 23:31:00
快科技2月22日消息，博主数码闲聊站暗示，天玑9400+将于4月份登场，这将是联发科最强悍的手机芯片，vivo X200S将会首批搭载商用
2025-02-22 23:31:00
快科技2月22日消息，今天，周鸿祎因送100辆车活动被吐槽套路多而正式道歉。他坦诚地表示：“对不起，我错了，我想公开给我的粉丝道个歉
2025-02-22 16:01:00
快科技2月22日消息，据媒体报道，日前一名18岁小伙在穿越秦岭鳌太线时失联多日，最终获救。被发现时，他已4天未进食，身上还带有伤痕
2025-02-22 17:01:00