IT之家10月31日消息，当地时间30日，OpenAI宣布，为了衡量语言模型的准确性，将开源一个名为SimpleQA的新基准，可衡量语言模型回答简短的事实寻求，fact，seeking，问题的能力，O...

但当前的大部分评测基准仍然具有以下几个缺陷，针对这些问题，有没有对应的基准能够较好解决这些问题呢，在最新的NeurIPSD&，B2024中由浙江大学联合上海人工智能实验室，上海交通大学和香港中文...

美东时间10月28日周一，AI模型分析平台ArtificialAnalysis公布的独立AI模型基准测试显示，一个大众陌生的，神秘，图像生成模型击败了Midjourney、BlackForestLab...

开源大模型王座突然易主，居然来自一家小创业团队，瞬间引爆业界，新模型名为Reflection70B，使用一种全新训练技术，让AI学会在推理过程中纠正自己的错误和幻觉，比如最近流行的数r测试中，一开始它...

据了解，在五个行业公认的UI能力基准测试集中，Motiff妙多大模型的各项指标均超过了GPT，4o和苹果的FerretUI，同时在Screen2Words，界面描述与推断，和WidgetCaption...

跨平台的多模态智能体基准测试CRAB由CAMELAI社区主导，由来自牛津、斯坦福、哈佛、KAUST、EigentAI等机构的研究人员合作开发，CAMELAI社区开发的CAMEL框架是最早基于大语言模型...

自从Sora发布以来，AI视频生成领域变得更加，热闹，了起来，过去几个月，我们见证了即梦、RunwayGen，3、LumaAI、快手可灵轮番炸场，和以往一眼就能识破是AI生成的模型不太一样，这批视频大...

在长文本理解能力这块，竟然没有一个大模型及格！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，，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...

在长文本理解能力这块，竟然没有一个大模型及格！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，，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...

智东西，公众号，编译孟强编辑云鹏智东西7月25日消息，继Meta昨日推出开源Llama3.1模型之后，法国初创AI公司MistralAI也加入了竞争行列，推出新一代旗舰模型MistralLarge2，...

新智元报道，新智元导读，紧跟着Meta的重磅发布，MistralLarge2也带着权重一起上新了，而且参数量仅为Llama3.1405B的三分之一，不仅在编码、数学和多语言等专业领域可与SOTA模型直...