搜索
大型语言模型（LLMs）在解决问题方面的非凡能力日益显现。最近，一个值得关注的现象是，这些模型在多项数学推理的基准测试中获得了惊人的成绩。以 GPT-4 为例，在高难度小学应用题测试集 GSM8K [1] 中表现优异，准确率高达 90% 以上。同时，许多开源模型也展现出了不俗的实力，准确率超过 80%。
当我们不停在CoT等领域大下苦功、试图提升LLM推理准确性的同时，OpenAI的对齐团队从另一个角度发现了华点——除了准确性，生成答案的清晰度、可读性和可验证性也同样重要。
创业夫妻店雇AI做设计，显示器爆单成行业品牌No.1。这背后，不仅是3亿用户出海业务给的底气，也是因为一个团队一心做好了3件事。
80亿人平分不到一个费曼，但可以受教于更多AI教学助理。
网友很好奇，Mathstral能不能搞定「9.11和9.9谁大」这一问题。
整个市场不再追求大而全，都在走小而精的路线了。
arXiv 不是同行评审期刊，所以发在 arXiv 上的论文不必被引用，这合理吗？
AI发展的浪潮席卷之下，大量媒体和电台的角色已经开始被廉价的人工智能克隆所取代。澳大利亚配音演员协会甚至表示，估计有5000名配音演员面临失业风险。
13.8和13.11哪个大？这个问题不光难倒了部分人类，还让一票大模型折戟。AI如今都能做AI奥数题了，但简单的常识问题对它们依然难如登天。其实，无论是比大小，还是卷心菜难题，都揭示了LLM在token预测上的一个重大缺陷。
AI侵权又来了……