限定120分钟科研挑战，o1和Claude表现超越人类
限定120分钟科研挑战，o1和Claude表现超越人类2小时内，Claude和o1就能超过人类专家平均科研水平。
来自主题: AI技术研报
7989 点击 2024-11-25 13:57
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
2小时内，Claude和o1就能超过人类专家平均科研水平。
AI自主研发会真的「失控」了吗？最新研究显示，Claude 3.5 Sonnet和o1-preview在2小时内的研发任务中，击败了50多位人类专家。但另一个耐人寻味的现象是，给予更长时间周期后，人类专家在8小时任务中优势显现。
忙了一上午，我端着咖啡，习惯性地打开电脑，想和我的「数字大脑」Claude 开始干活。谁知道一个提示框直接把我打懵了—— Claude 账号被封了。那一刻， 手里咖啡不香了。
每个神级 Prompt 都是一款产品，更代表了一种思想。
Claude 3.5 Sonnet 应该是目前公认综合能力最好的基础模型。
大模型的执行力从哪里来？
这两天，我被这个Claude3.5这个神级Prompt惊呆了。 佩服的五体投地。 非常简单的话说，就是它用Prompt把o1级别的思维链，复刻到了Claude3.5里，而且思考逻辑更详细、更像人，甚至思考过程都跟o1一样，可以展开折叠。
测评大模型Agent能力，从未如此直观。 新旧两版Claude 3.5 Sonnet在《我的世界》里PK盖楼，差距不要太明显，引来大量围观。
受 ChatGPT 强大问答能力的影响，大型语言模型（LLM）提供商往往优化模型来回答人们的问题，以提供良好的消费者体验。
Claude团队三巨头同时接受采访，回应一切。 整整5个小时，创始人Dario Amodei、Claude性格设计师Amanda Askell、机制可解释性先驱Chris Olah无所不谈，透露了关于模型、公司和行业的很多内幕和细节。