标签：问题
复旦大学：一个小技巧探测大模型的知识边界，有效消除幻觉
夕小瑶科技说 原创作者 | Zicy 孔子说“知之为知之，不知为不知，是知也”，目前的大模型非常缺乏这个能力。虽然大模型拥有丰富的知识，但它仍然缺乏对自己知识...
上交举办“大模型奥林匹克竞赛”，GPT-4o仅得39分
夕小瑶科技说 原创作者 | 谢年年大模型的奥林匹克竞赛来了！ 最近，上交构建了一个全面、极具挑战性的奥赛级别的基准——OlympicArena，从来自62个不同奥林匹克...
迄今最快的网络流算法，网友：几乎与数学理论一样快
金磊 发自 凹非寺量子位 | 公众号 QbitAI迄今为止最快、近乎完美的网络流（Network Flow）算法，来了！ 有多快？ 对于任何类型的网络，计算速度几乎与数学理...
菲尔兹奖得主亲测GPT-4o，经典过河难题破解失败！最强Claude 3.5回答离谱，LeCun嘲讽LLM
新智元报道编辑：桃子 乔杨 【新智元导读】LLM能否解决「狼-山羊-卷心菜」经典过河难题？最近，菲尔兹奖得主Timothy Gowers分享了实测GPT-4o的过程，模型在最...
ACL2024主会：无需训练的大模型推荐系统！
夕小瑶科技说 原创作者 | Axe_越如今，各种推荐系统无时无刻不在包围着我们的生活，自大模型（Large Language Model, LLM）时代以来，得益于LLM的高自由度，...
陈丹琦团队图表解读新基准：新王Claude3.5刚及格，但已是模型最强推理表现
克雷西 发自 凹非寺量子位 | 公众号 QbitAIClaude 3.5 Sonnet的图表推理能力，比GPT-4o高出了27.8%。 针对多模态大模型在图表任务上的表现，陈丹琦团队提出了...
首个多模态视频竞技场Video-MME来了！Gemini全面超越GPT-4o，Jeff Dean连转三次
新智元报道编辑：alan 好困 【新智元导读】近日，首个多模态LLM视频分析综合评估基准Video-MME诞生！在这场全新的考试中，Gemini 1.5 Pro一路遥遥领先，谷歌...
OpenAI CTO深度访谈：剧透GPT-5发布时间
OpenAI CTO 穆拉提分享OpenAI近况与AI行业动向。 编译|陈骏达 编辑|Panken 智东西6月25日消息，近日，OpenAI首席技术官米拉·穆拉提（Mira Murati）在达特茅斯...
大模型测试题爆火，GPT-4和Claude3都跪了，LeCun转发：新Benchmark
克雷西 发自 凹非寺量子位 | 公众号 QbitAI一项新的“大模型Benchmark”在推特上爆火，LeCun也点赞转发了！ 而且无论是GPT-4还是Claude 3，面对它都如同被夺了...
智源联合多所高校推出首个多任务长视频评测基准 MLVU：GPT-4o 单选正确率不到 65%
作者 | 智源研究院 MLVU 团队 当前，研究社区亟需全面可靠的长视频理解评估基准，以解决现有视频理解评测基准在视频长度不足、类型和任务单一等方面的局限性...
GPT-4o差点没及格！首个多任务长视频评测基准，它有亿点难
MLVU团队 投稿量子位 | 公众号 QbitAI难度大升级的多任务长视频理解评测基准MLVU来了！ 由智源联合北邮、北大和浙大等多所高校推出。 究竟有多难呢？最终排名...
从高考到奥林匹克竞技场：大模型与人类智能的终极较量
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学...
2024KDD挑战任务，GPT-4仅得40分，Meta发布最新RAG评价基准
夕小瑶科技说 原创作者 | Axe_越众所周知，“要想富，先修路”，经常挖路的同学应该知道，要想修好一条路，首先就必须搞清楚关于道路质量的统一验收标准，否则...
GPT-4o攻破ARC-AGI无法被挑战的神话！71%准确率成新SOTA
新智元报道编辑：庸庸乔杨 【新智元导读】号称不可能轻易被击败的AGI基准ARC-AGI被GPT-4o撼动，GPT-4o以在公共测试集50%、在训练集71%的准确率成为了新的SOTA...
创业失败指南：如何做垮一家创业公司？
成功创业公司的经验都是类似的，但失败的创业，却可能是千差万别的原因。比如决策者错误的判断、过度自信或领导的自恋、甚至过于臃肿的流程…… 今天这篇文章，...
粤公网安备 44011502001135号