下單前先比價(jià)不花冤枉錢 同款圖書京東價(jià)低于抖音6折日媒感慨中國電動(dòng)汽車/智駕遙遙領(lǐng)先:本田、日產(chǎn)、三菱合并也沒戲消委會(huì)吹風(fēng)機(jī)品質(zhì)檢測結(jié)果揭曉 徠芬獨(dú)占鰲頭 共話新質(zhì)營銷力,2024梅花數(shù)據(jù)峰會(huì)圓滿落幕索尼影像專業(yè)服務(wù) PRO Support 升級,成為會(huì)員至少需注冊 2 臺 α 全畫幅相機(jī)、3 支 G 大師鏡頭消息稱vivo加碼電池軍備競賽:6500mAh 旗艦機(jī)+7500mAh中端機(jī)寶馬M8雙門轎跑車明年年初將停產(chǎn),后續(xù)無2026款車型比亞迪:2025 款漢家族車型城市領(lǐng)航智駕功能開啟內(nèi)測雷神預(yù)告2025年首次出席CES 將發(fā)布三款不同技術(shù)原理智能眼鏡realme真我全球首發(fā)聯(lián)發(fā)科天璣 8400 耐玩戰(zhàn)神共創(chuàng)計(jì)劃iQOO Z9 Turbo長續(xù)航版手機(jī)被曝電池加大到6400mAh,搭驍龍 8s Gen 3處理器普及放緩 銷量大跌:曝保時(shí)捷將重新評估電動(dòng)汽車計(jì)劃來京東參與榮耀Magic7 RSR 保時(shí)捷設(shè)計(jì)預(yù)售 享365天只換不修國補(bǔ)期間電視迎來換機(jī)潮,最暢銷MiniLED品牌花落誰家?美團(tuán)旗下微信社群團(tuán)購業(yè)務(wù)“團(tuán)買買”宣布年底停運(yùn)消息稱微軟正與第三方廠商洽談,試圖合作推出Xbox游戲掌機(jī)設(shè)備在海外,要再造一個(gè)京東物流?消息稱蘋果正為AirPods開發(fā)多項(xiàng)健康功能,包括心率監(jiān)測和溫度感應(yīng)一加 Ace 5系列將搭載全新游戲助手:大幅提升游戲體驗(yàn)東芝全部業(yè)務(wù)實(shí)現(xiàn)盈利,退市裁員重組后終于賺錢
  • 首頁 > 云計(jì)算頻道 > 大模型

    研究:GPT-4 在執(zhí)行多項(xiàng)現(xiàn)實(shí)任務(wù)中擊敗其他大語言模型

    2023年08月11日 17:19:34   來源:站長之家

      本文概要:

      1. GPT-4在大型語言模型中表現(xiàn)出色,取得最高總分4.41。

      2. GPT-4在幾乎所有領(lǐng)域都領(lǐng)先于其他模型,只有在網(wǎng)購任務(wù)中,GPT-3.5表現(xiàn)更好。

      3. 開源模型整體表現(xiàn)不佳,遠(yuǎn)遠(yuǎn)落后于商業(yè)模型和 GPT-3.5。

      市面上已經(jīng)有有許多商業(yè)和開源的文本生成人工智能,F(xiàn)在專門為測試輔助任務(wù)開發(fā)的基準(zhǔn)測試表明,GPT-4在這一領(lǐng)域脫穎而出。

      最新的研究顯示,在 “現(xiàn)實(shí)世界語用任務(wù)” 中,GPT-4在大型語言模型中表現(xiàn)出色。研究團(tuán)隊(duì)使用一個(gè)名為 “AgentBench” 的基準(zhǔn)測試對多個(gè)提供商的25個(gè)大型語言模型以及開源模型進(jìn)行了測試。

      “AgentBench”是專門為衡量大語言模型在“現(xiàn)實(shí)世界語用任務(wù)”中的輔助能力而設(shè)計(jì)的標(biāo)準(zhǔn)化測試。所有測試均在實(shí)時(shí)交互環(huán)境中進(jìn)行。這使得該基準(zhǔn)特別適合其想要測量的內(nèi)容:大型語言模型處理總共八個(gè)領(lǐng)域的各種日常任務(wù)的能力。

      操作系統(tǒng):LLM必須執(zhí)行與計(jì)算機(jī)操作系統(tǒng)的使用相關(guān)的任務(wù)。

      數(shù)據(jù)庫:這個(gè)環(huán)境是關(guān)于LLM如何與數(shù)據(jù)庫合作。

      知識圖:此環(huán)境測試LLM如何使用知識圖。

      數(shù)字卡牌游戲:這測試了LLM對數(shù)字卡牌游戲和制定策略的理解程度。

      橫向思維難題:此挑戰(zhàn)測試法學(xué)碩士在解決問題時(shí)的創(chuàng)造力。這要求他們跳出框框思考。

      預(yù)算:此場景涉及基于 Alfworld 數(shù)據(jù)集的預(yù)算中發(fā)生的任務(wù)。

      互聯(lián)網(wǎng)購物:此場景測試LLM在與在線購物相關(guān)的任務(wù)上的表現(xiàn)。

      網(wǎng)頁瀏覽:基于 Mind2Web 數(shù)據(jù)集,此場景測試LLM執(zhí)行與使用互聯(lián)網(wǎng)相關(guān)的任務(wù)的能力。

      結(jié)果顯示,GPT-4以最高總分4.41領(lǐng)先于其他模型,在幾乎所有領(lǐng)域都表現(xiàn)出色,只在網(wǎng)購任務(wù)中稍遜于 GPT-3.5。

      競爭對手 Anthropic 的 Claude 模型緊隨其后,總得分為2.77,領(lǐng)先于 OpenAI 的免費(fèi) GPT-3.5Turbo 模型。商業(yè)模型的平均得分為2.24。與開源模型相比,GPT-4的優(yōu)勢更加明顯,開源模型的平均得分只有0.42。

      研究人員指出,開源模型在所有復(fù)雜任務(wù)中普遍表現(xiàn)不佳,遠(yuǎn)遠(yuǎn)落后于 GPT-3.5。研究團(tuán)隊(duì)將工具包、數(shù)據(jù)集和基準(zhǔn)測試環(huán)境提供給研究界,以便進(jìn)行更廣泛的性能比較。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。