大模型常用评测基准汇总
大模型常用评测基准汇总基于评测维度，考虑到各评测集关注的评测维度，可以将其划分为通用评测基准和具体评测基准。
来自主题: AI资讯
14260 点击 2024-07-23 19:24
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
基于评测维度，考虑到各评测集关注的评测维度，可以将其划分为通用评测基准和具体评测基准。
近年，短视频生态的赛道迅猛崛起，围绕短视频而生的创作编辑工具在不断涌现，美图公司旗下专业手机视频编辑工具 ——Wink，凭借独创的视频画质修复能力独占鳌头，海内外用户量持续攀升。
近日，MIT CSAIL 的一个研究团队（一作为 MIT 在读博士陈博远）成功地将全序列扩散模型与下一 token 模型的强大能力统合到了一起，提出了一种训练和采样范式：Diffusion Forcing（DF）。
随着人工智能技术的快速发展，能够处理多种模态信息的多模态大模型（LMMs）逐渐成为研究的热点。通过整合不同模态的信息，LMMs 展现出一定的推理和理解能力，在诸如视觉问答、图像生成、跨模态检索等任务中表现出色。
这是人类首次证明神经网络可以创建自己的地图。
Llama 3.1 终于现身了，不过出处却不是 Meta 官方。
当今的LLM已经号称能够支持百万级别的上下文长度，这对于模型的能力来说，意义重大。但近日的两项独立研究表明，它们可能只是在吹牛，LLM实际上并不能理解这么长的内容。
谷歌提出了一种新的基于ML的大气环流模型NeuralGCM，比传统的基于物理的模型节省了几个数量级的计算量，计算成本降低了10万倍，相当于高性能计算领域25年的进步速度。对于2-15天的天气预报，这种方法比SOTA物理模型还要准确。
Llama 3.1又被提前泄露了！开发者社区再次陷入狂欢：最大模型是405B，8B和70B模型也同时升级，模型大小约820GB。基准测试结果惊人，磁力链全网疯转。
大模型技术席卷全球科技界，中国也迅速跟进这一浪潮，在诸多领域开始落地，提升了企业运营效率和消费者体验。然而，大模型企业也面临技术成熟度、成本、数据安全、行业差异、用户接受度等挑战，商业化仍然是一个摆在所有厂商面前的问题。