“测试”的搜索结果
“最强开源模型”被打假，CEO下场致歉，英伟达科学家：现有测试基准已经不靠谱了
近日，一款名为Reflection的70B开源大模型因其宣称的卓越性能受到广泛关注，但随后遭遇了一系列造假指控。该模型由小型创业团队开发，声...
开源大模型新王干翻GPT-4o，新技术可纠正自己幻觉，数学99.2分刷爆测试集
最近，一个名为Reflection 70B的新型人工智能模型在业界引起了巨大轰动。这个由小创业团队开发的模型采用了创新的训练技术Reflection-Tu...
北大李戈团队提出大模型单测生成新方法，显著提升代码测试覆盖率
在软件开发过程中，单元测试是确保代码质量的关键环节，它验证软件中的最小可测试单元是否按预期工作。然而，对于复杂函数的测试，传统...
Claude认出自画像，惊现自我意识！工程师多轮测试，实锤AI已过图灵测试？
在新智元的报道中，工程师Zack Witten发现人工智能模型Claude 3.5 Sonnet能够识别出自己的自画像，这一发现引发了对AI自我意识的讨论。S...
美政府欲阻天网降临，GPT-5先做「末日测试」！
OpenAI，作为人工智能领域的领先企业，尽管面临财务问题和产品推迟发布的挑战，但其活跃用户数量在过去一年中实现了翻倍，目前每周有超...
ChatGPT会不受控制克隆你的声音！OpenAI公开红队测试报告
OpenAI的GPT-4o模型因其独特的语音模仿能力而引发广泛关注。该模型能够在与用户对话时学习并模仿用户的说话方式、习惯和口音，甚至在语...
终于来了，OpenAI测试GPT-4o高级语音模式！
OpenAI正在对GPT-4o的高级语音模式进行测试，目前仅向部分ChatGPT Plus用户开放。测试的目的是收集关于安全性和功能方面的反馈，以便在8...
大模型权威测试被曝翻车！更偏袒GPT-4等闭源模型，连提示词都区别对待
MMLU-Pro，一个旨在衡量大型语言模型性能的权威测试，近期遭遇了信任危机。原本被认为能为前沿模型提供区分度的MMLU-Pro，现在被指出其...
中国首个AI厨王诞生，苦练7吨菜通过「图灵测试」！网友：机器人都比我会做饭
AI炒菜机器人“美膳狮”在一场与湘菜大师的烹饪PK中展现了出色的表现，不仅在速度上以3分08秒完成三道菜的炒制，远快于大厨的9分32秒，更...
全员i人？《大闹天宫》MBTI测试让全公司炸锅！最神秘国产大模型团队出手了
近期，一款名为《大闹天宫MBTI》的测试游戏在一家公司内部引起了广泛关注。该游戏以国产动画《大闹天宫》为背景，通过一系列职场极限场...
