标签：模型比较
Anthropic新研究：用统计思维评估大模型
在大语言模型（LLM）的评估领域，传统的基准测试方法往往忽视了统计显著性，仅依赖于表面的得分高低来判断模型性能，这可能导致不准确的结论。为了解决这一问...
科研也完了，AI暴虐170位人类专家！Nature子刊：大模型精准预测研究结果，准确率高达81%
伦敦大学学院（UCL）的研究人员在Nature Human Behaviour期刊上发表了一项研究，该研究通过一个名为BrainBench的前瞻性基准测试，评估了大型语言模型在神经科...
GPT-4o不会数r，被外国小哥原地逼疯！ 谷歌论文揭秘Transformer「数不到n」
在新智元的报道中，工程师Riley Goodside通过“Strawberry里有几个r”的问题测试了多个大型语言模型（LLM）的能力。他发现，尽管一些模型声称能够解决这一问题...
斯坦福爆火Llama3-V竟抄袭国内开源项目，作者火速删库
在GPT-4o问世后，Llama3的地位受到挑战。然而，斯坦福团队推出的Llama3-V引发关注，这一模型以仅500美元的成本，实现了与GPT4-V、Gemini Ultra和Claude Opus...
新的多模态盲测榜单来了，一眼望过去全是国产模型 | AI鲜测
在人工智能领域，模型能力的比较一直是一个重要的研究方向。近期，滑铁卢大学的TIGER实验室推出的GenAI-Arena平台，为模型比较提供了一个新的场所。在文生图...
GPT-4现场被端侧小模型“暴打”，商汤日日新5.0：全面对标GPT-4 Turbo
SenseChat Lite：轻量级端侧大模型1. 性能对比：在《街头霸王》游戏中，SenseChat Lite与GPT-4进行了一场PK，展示了其快速反应能力。尽管GPT-4还在决策中，Se...
谁才是最强的？清华给海内外知名大模型做了场综合能力评测
在这段文本中，我将使用HTML元素来标记重点词语和句子。以下是标记后的文本：在2023年的“百模大战”中，众多实践者推出了各类模型，包括原创和针对开源模型的...
李飞飞团队年度报告揭底大模型训练成本：Gemini Ultra是GPT-4的2.5倍
2023年，人工智能技术的发展速度达到了前所未有的水平，斯坦福HAI研究所发布的第七个年度AI Index报告为我们提供了一个全面的行业现状概览。报告强调了大型语...
GPT-4一眼看穿论文会不会撤稿：7000篇实测准确率高达95%｜人大浙大
研究者们发现，通过分析社交媒体上的讨论，尤其是推文，可以预测学术论文是否有可能被撤稿。这一发现源于中国人民大学和浙江大学学者团队的研究，他们利用了G...
【AI视频工具】谷歌的VideoPoet，基于大型语言模型（LLM），零样本生成视频，值得期待
文章主要介绍了谷歌的AI视频生成模型VideoPoet的最新研究成果。VideoPoet是一个大型语言模型（LLM），用于零样本视频生成，能够执行多种视频生成任务，包括文...
