AI资讯新闻榜单内容搜索-模型测评

关键词: AI,大模型,长文本,模型测评,模型训练

长文本处理能力对LLM的重要性是显而易见的。在2023年初，即便是当时最先进的GPT-3.5，其上下文长度也仅限于2k，然而今日，128k的上下文长度已经成为衡量模型技术先进性的重要标志之一。那你知道LLMs的长文本阅读能力如何评估吗？

关键词: GPT-4 Turbo,SuperCLUE,openai,国产大模型

OpenAI长期霸榜的SuperCLUE（中文大模型测评基准），终于被国产大模型反将一军。

关键词: LLM,模型测评,GPT-4,Cluade 3,GLM-4,文心4.0

在2023年的「百模大战」中，众多实践者推出了各类模型，这些模型有的是原创的，有的是针对开源模型进行微调的；有些是通用的，有些则是行业特定的。如何能合理地评价这些模型的能力，成为关键问题

关键词: gpt-4-turbo-preview,智谱ChatGLM4,Baichuan2-Turbo,百度ERNIE-Bot 4.0,Yi-34B-chat,Llama2-70B

参照SuperCLUE（中文通用大模型综合性测评基准）框架专门定制了1000道题目集，一一测试了ChatGPT4、 智谱chatGLM-4、Baichuan2-Turbo、百度ERNIE-Bot 4.0、Yi-34B-chat、llama 2等模型在保险业务上的表现。

关键词: AI大模型测评,SuperCLUE,GPT-4,Baichuan-13B-Chat

新华社研究院发布了《人工智能大模型体验报告2.0》，对国内主流大模型进行使用体验的横向测评。该榜单用500道题目评测了国内8款主流AI大模型，最终讯飞星火排名第一，百度文心一言排名第二，阿里通义千问排在倒数第二。