GPT-4o数学能力跑分直掉50%，上海AI Lab开始给大模型重新出题了
GPT-4o数学能力跑分直掉50%，上海AI Lab开始给大模型重新出题了新模型在MATH上（以数学竞赛为主）动辄跑分80%甚至90%以上，却一用就废。
来自主题: AI技术研报
7325 点击 2024-12-19 10:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
新模型在MATH上（以数学竞赛为主）动辄跑分80%甚至90%以上，却一用就废。
多模态大模型在听觉上，居然也出现了「9.11>9.8」的现象，音量大小这种简单问题都识别不了！港中文、斯坦福等大学联合发布的AV-Odyssey基准测试，包含26个视听任务，覆盖了7种声音属性，跨越了10个不同领域，确保测试的深度和广度。
最近，一支来自UCSD和清华的研究团队提出了一种全新的微调方法。经过这种微调后，一个仅80亿参数的小模型，在科学问题上也能和GPT-4o一较高下！或许，单纯地卷AI计算能力并不是唯一的出路。
OpenAI开发者日新加坡站今天启幕，果不其然，ChatGPT又出手了： Gemini刚在竞技场头把交椅上坐了不到一周，最新版ChatGPT轻轻一更新，第一再次易主。
OpenAI出了个新功能，直接让ChatGPT输出的速度原地起飞！ 这个功能叫做“预测输出”（Predicted Outputs），在它的加持之下，GPT-4o可以比原先快至多5倍。
一群大模型玩你画我猜，人类一旁围观超起劲儿。 就像下面这张图展示的，由Grok画长颈鹿，一堆大模型根据生成内容猜答案。参赛选手包括GPT-4o、Claude、Llama、Gemini、Grok等。
把《我的世界》交给大模型，会怎么样？
昨天，Kimi突然给我打了个电话，我这才发现自己被“灰度”了。 灰度测试的内容是Kimi的语音通话功能。 现在进入Kimi App，就能看到底部问答框旁边多了一个电话的图标，点击即可发起语音通话。
英伟达开源了超强模型Nemotron-70B，后者一经发布就超越了GPT-4o和Claude 3.5 Sonnet，仅次于OpenAI o1！AI社区惊呼：新的开源王者又来了？业内直呼：用Llama 3.1训出小模型吊打GPT-4o，简直是神来之笔！
国产大模型首次在公开榜单上超过GPT-4o！ 就在刚刚，“大模型六小强”之一的零一万物正式对外发布新旗舰模型——Yi-Lightning（闪电）。