「小模型评测」共找到 8700 篇相关文章
数据合成篇|多轮ToolUse数据合成打造更可靠的AI导购助手
文章以租赁导购助理“小不懂”为例,介绍Tool Use训练数据合成方案。先分析训练数据的目标与难点,提出动态多智能体对话生成框架,阐述多轮数据、复杂问题合成及过滤方案,展示数据和模型效果,还提及未来工作方向。
阿联酋K2横空出世,数学、代码样样行,速度全球最快,GPT-4看了都得抖三抖
阿联酋穆罕默德·本·扎耶德人工智能大学与G42公司联合推出开源AI推理系统K2 Think,基于Qwen 2.5 - 32B模型。它靠六项技术性能出众,在多领域测试成绩好,还以小参数量媲美大模型,且全面开源。
登顶全球第一:这支AI音乐团队,凭什么用18个月打败Suno?
华人团队 ACE 的自研模型 ACE Music v1 在评测机构 AA 音乐人声榜上以 1160 分超越 Suno v6 登顶全球第一,已在官网开放体验。
91% ≈ 0%?谷歌最新研究,戳破工程 Agent 的高正确率泡沫
Google 与 Mercor 联合发布物理工程评测 PLE。测试显示 Claude 模型虽能满足 91% 的单项约束,但因各项条件关联,仅 41.3% 的方案满足全部硬性安全要求。
Qwen控制机器人得分从1.9涨到31.4!清华伯克利开源统一具身Agent Harness
清华与 UC 伯克利开源机器人智能体框架 uni-robot-agent。开源模型 Qwen 搭配该框架在 RoboDojo 评测中拿下 31.39 分反超 GPT-6 Astra,单局成本仅为其二十分之一。
千亿AI Infra独角兽诞生!三个00后创办,英伟达参投
为前沿模型提供训练数据与评测服务的 Mercor 获 7.5 亿美元 D 轮融资,英伟达等参投,估值达 200 亿美元。该公司年化收入已突破 20 亿美元,OpenAI 为其客户。
模型大一统?1100多个模型殊途同归,指向一个「通用子空间」!
约翰斯・霍普金斯大学研究发现,1100多个不同神经网络,即便训练条件不同,最终权重会收敛到共享低维子空间。此研究为神经网络参数空间“通用性”提供严谨实证,虽成因待探索,但意义深远。
走出 MMLU 的高分幻觉:AI Agent 的「斯坦利时刻」与职场生存法则
文章指出多模态大模型在基准测试分数高,在实际业务流程却像‘职场巨婴’。研究团队构建Trainee - Bench测试顶尖模型,结果显示模型离‘独立上岗’远,凸显提升Agent自主学习性的重要性。
vLLM 正式支持 PaddleOCR-VL
11月4日,vLLM项目宣布正式支持PaddleOCR-VL模型。该模型专注文档解析,参数量仅0.9B。合作降低部署门槛,推理效率更高,官方还给出部署指南和配置建议,流程快速完成可作榜样。
代码检索新王登基!CodeFuse | 开源C2LLM,用“注意力池化”刷新MTEB-Code榜单
蚂蚁集团与上海交通大学推出C2LLM系列模型,基于注意力创新池化机制解决代码表征痛点,登顶MTEB - Code榜单。作为CodeFuse Embedding开源家族成员,将全套回馈社区,为代码大模型研发提供基线。