标签：模型评估
终于有人调查了小模型过拟合：三分之二都有数据污染，微软Phi-3、Mixtral 8x22B被点名
背景介绍：- 大型语言模型的推理能力提升是当前研究的重要方向。问题提出：- 许多研究使用GSM8k、MATH等测试集作为基准，但这些测试集可能受到训练数据集的污...
Claude 3说服力堪比人类！Anthropic最新研究揭秘LLM惊人能力
Anthropic最近发布的研究成果表明，他们开发的人工智能模型Claude 3 Opus在说服力方面与人类相当。这一发现对于评估语言模型的说服力具有重要意义，因为说服...
AI | MO数学竞赛启动，陶哲轩力荐！50题对3道，百万大奖抱回家
新智元最近报道了一项针对人工智能模型的数学竞赛，这场比赛吸引了广泛关注，因为它提供了高达104.8万美元的奖金。参赛的AI模型需要在50个数学题中至少解出3...
讨论下一个token预测时，我们可能正在走进陷阱
机器之心报道，编辑赵阳，最近围绕下一个token预测的讨论日益激烈。然而，许多人认为，下一个token预测的目标无法真正模拟人类思维。人类在执行计划之前会在...
1
2
