AI资讯新闻榜单内容搜索-大模型评测

关键词: 中文大模型,大模型幻觉测评,大模型评测,中文大模型评测

SuperCLUE-Fact是专门评估大语言模型在中文短问答中识别和应对事实性幻觉的测试基准。测评任务包括知识、常识、对抗性和上下文幻觉。

关键词: 司南多模态闭源评测,司南评测体系,大模型评测,人工智能

基于闭源评测基准，近期司南针对国内外主流多模态大模型进行了全面评测，现公布司南首期多模态模型闭源评测榜单。首期榜单共包含 48 个多模态模型，其中包含：3 个国内 API 模型：GLM-4v-Plus-20250111 (智谱)，Step-1o (阶跃)，BailingMM-Pro-0120 (蚂蚁)

关键词: GPT-4o,AI,国产大模型,大模型评测

终于，国产大模型能在综合能力上也能与GPT-4o一决雌雄了。

关键词: 大模型评测,大模型评测基准,AI评测,SuperCLUE,C-Eval,Open LLM Leaderboard,Chatbot Arena,GLUE

基于评测维度，考虑到各评测集关注的评测维度，可以将其划分为通用评测基准和具体评测基准。

关键词: 大模型,GPT-4,Llama 3,LMSYS,大模型评测

关于Llama 3，又有测试结果新鲜出炉—— 大模型评测社区LMSYS发布了一份大模型排行榜单，Llama 3位列第五，英文单项与GPT-4并列第一。

关键词: Llama 3,Claude 3,Arena-Hard,大模型评测

随着Claude 3、Llama 3甚至之后GPT-5等更强模型发布，业界急需一款更难、更有区分度的基准测试。

关键词: GPT-4,Gemini,大模型评测,多模态大模型

2023 年我们正见证着多模态大模型的跨越式发展，多模态大语言模型（MLLM）已经在文本、代码、图像、视频等多模态内容处理方面表现出了空前的能力，成为技术新浪潮。以 Llama 2，Mixtral 为代表的大语言模型（LLM），以 GPT-4、Gemini、LLaVA 为代表的多模态大语言模型跨越式发展。