新的大语言模型（LLM）评估基准对于跟上大语言模型的快速发展至关重要。
来自主题: AI技术研报
6809 点击 2024-11-21 13:47
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
新的大语言模型（LLM）评估基准对于跟上大语言模型的快速发展至关重要。
北大等出品，首个多模态版o1开源模型来了—— 代号LLaVA-o1，基于Llama-3.2-Vision模型打造，超越传统思维链提示，实现自主“慢思考”推理。 在多模态推理基准测试中，LLaVA-o1超越其基础模型8.9%，并在性能上超越了一众开闭源模型。
Open AI作为AI时代的科技先锋，每一个动向都备受关注。但是吃多了“网红化”带来的流量红利，Open AI似乎很难像学者一样老实待在实验室了。
自我纠错（Self Correction）能力，传统上被视为人类特有的特征，正越来越多地在人工智能领域，尤其是大型语言模型（LLMs）中得到广泛应用，最近爆火的OpenAI o1模型[1]和Reflection 70B模型[2]都采取了自我纠正的方法。
多智能体系统，可自动化整个 ML 工作流程，节省数千小时工时。
鲨疯了！谷歌新版Gemini超越o1，强势登顶竞技场总榜第一！ 在经6000+网友匿名投票后，不仅数学成绩和学霸o1相当，还拿下其它5个单项第一。
大模型的具身智能决策能力，终于有系统的通用评估基准了。
o1不是通向大模型推理的唯一路径！ MIT的新研究发现，在测试时对大模型进行训练，可以让推理水平大幅提升。
让大模型集体吃瘪，数学题正确率通通不到2%！
OpenAI o1风格的推理大模型，有行业垂直版了。HK-O1aw，是由香港生成式人工智能研发中心(HKGAI)旗下AI for Reasoning团队(HKAIR) 联合北京大学对齐团队（PKU-Alignment Team）推出的全球首个慢思考范式法律推理大模型。