AI资讯新闻榜单内容搜索-Benchmark

关键词: Claude3.5,AI,大模型,Claude 3.5 Sonnet,Benchmark

Claude 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，陈丹琦团队提出了新的测试基准。 新Benchmark比以往更有区分度，也让一众传统测试中的高分模型暴露出了真实能力。

关键词: 大模型,GPT-4,Claude3,Benchmark,大模型测试题

还有12款大模型全军覆没……

关键词: 大模型,GPT-4,AI打游戏,Benchmark,OpenAI,Mistral

让大模型直接操纵格斗游戏《街霸》里的角色，捉对PK，谁更能打？GitHub上一种你没有见过的船新Benchmark火了。

关键词: 零一万物,向量数据库,笛卡尔向量数据库,零一大模型

3 月 11 日，零一万物宣布推出基于全导航图的新型向量数据库 「笛卡尔（Descartes）」，已包揽权威榜单 ANN-Benchmarks 6 项数据集评测第一名。

关键词: 图像扩散模型,benchmark,AI学术,AI论文

针对图像编辑中的扩散模型，中科院联合Adobe和苹果公司的研究人员发布了一篇重磅综述。