标签:测试
13B模型全方位碾压GPT-4?这背后有什么猫腻
机器之心报道编辑:陈萍你的测试集信息在训练集中泄漏了吗?一个参数量为 13B 的模型竟然打败了顶流 GPT-4?就像下图所展示的,并且为了确保结果的有效性,这...
恕我直言,大模型对齐可能无法解决安全问题,我们都被表象误导了
夕小瑶科技说 原创作者 | 智商掉了一地、Python是否听说过“伪对齐”这一概念?在大型语言模型(LLM)的评估中,研究者发现了一个引人注目的现象:当面对多项选...
一招分辨刷榜作弊大模型,博士小哥开源AI数学“照妖镜”
梦晨 发自 凹非寺量子位 | 公众号 QbitAI如今很多大模型都声称擅长数学,谁有真才实学?谁是靠背测试题“作弊”的?有人在今年刚刚公布题目的匈牙利全国数学期...
GPT-4作弊被抓!吉娃娃or松饼打乱顺序就出错,LeCun:警惕在训练集上测试
梦晨 发自 凹非寺量子位 | 公众号 QbitAIGPT-4解决网络名梗“吉娃娃or蓝莓松饼”,一度惊艳无数人。然鹅,现在它被指出“作弊”了!全用原题中出现的图,只是打乱...
1分钟诞生一个新GPT!3天内定制GPT大爆发,理想型男友、科研利器全网刷屏
新智元报道编辑:桃子润【新智元导读】短短3天,全球迎来了GPT应用大爆发,时代爆款已现雏形。1分钟诞生一个新的GPT!不到一周的时间,各种定制GPT全球大爆发...
老黄H100再破纪录,4分钟训完GPT-3!全新「特供版」H20、L20和L2曝光,性能史诗级缩水
新智元报道编辑:桃子 好困【新智元导读】英伟达H100再次刷榜了,不到4分钟就训完GPT-3,比6月成绩提升3倍。另外,特供版H20、L20和L2性能全都爆出。H100再次...
余承东何小鹏隔空互怼,真的只为了「自动刹车」吗?
人机难共驾不和华为吵架,实在吵不过呀。说这句话的不是别人,正是微博上战斗力最强的车企 CEO 李想。可即便是他,也无法在华为面前,喊出那句著名的「先听我...
别让大模型被基准评估坑了!测试集乱入预训练,分数虚高,模型变傻
明敏 发自 凹非寺量子位 | 公众号 QbitAI“别让大模型被基准评估给坑了”。这是一项最新研究的题目,来自人民大学信息学院、高瓴人工智能学院和伊利诺伊大学厄...
英伟达新超级计算机刷新纪录,8天完成ChatGPT训练
点击上方蓝字关注我们“ Nvidia的全新Eos AI超级计算机以前所未有的速度,在短短3.9分钟内完成了具有1750亿参数和10亿标记的GPT-3模型训练,创下了令人瞩目的...
大跌眼镜!GPT-4V错觉挑战实录:该错的没错,不该错的反而错了
丰色 发自 凹非寺量子位 | 公众号 QbitAIGPT-4V挑战视觉错误图,结果令人“大跌眼镜”。像这种判断“哪边颜色更亮”的题,一个没做对:读图片中隐藏信息的也傻傻...
王者GPT-4已来,32k上下文!OpenAI首届开发者大会最新爆料,全新UI可定制GPT,xAI大模型大范围可用
新智元报道编辑:桃子 润【新智元导读】OpenAI首届开发者大会开启前,ChatGPT各种爆料已出,全新UI界面,人人可定制GPT,将引领「智能体工程师」新职业诞生。...
GPT-4的图灵测试结果出炉!
夕小瑶科技说 原创作者 | 智商掉了一地、ZenMoore图灵测试,作为衡量机器思维能力的方式,自 1950 年由图灵设计以来一直备受争议。这个模仿游戏的设定包括人...
代码能力超越GPT-4,这个模型登顶Big Code排行榜,YC创始人点赞
克雷西 发自 凹非寺量子位 | 公众号 QbitAI一款号称代码能力超越GPT-4的模型,引发了不少网友的关注。准确率比GPT-4高出超过10%,速度却接近GPT-3.5,而且窗...
GPT-4能「伪装」成人类吗?图灵测试结果出炉
机器之心报道编辑:Panda纯文本对话,安能辩我是AI?在测试 AI 时,图灵测试是一个饱受争议但也久负盛名的评估方法,因此总会有研究者不畏繁琐,对新兴的语言...
清华版「AutoGPT」登GitHub热榜!复杂任务轻松搞定,还能自己训练模型
西风 发自 凹非寺量子位 | 公众号 QbitAI清华开源通用智能体XAgent,登上GitHub热榜,狂揽1400+🌟各种任务都能做,让它使用python来分析给定的数据,分分钟搞...