BeningMIRT: LLM基准实际衡量的是什么?
BeningMIRT: LLM基准实际衡量的是什么?
AI NEWS JOURNAL
全部 AI 动态
保留完整资讯流，用来源、主题和时间找到你关心的消息。
开放 ASR 领导板添加其首个全球南方语言
开放 ASR 领导板添加其首个全球南方语言
Gemini Omni 1.1 Flash 让您能够更自如地进行构建
Gemini Omni 1.1 Flash 让您能够更自如地进行构建
引领全球首次双盲AI评估
引领全球首次双盲AI评估
使用 Gemini 3.5 Transcribe 实现智能转录
现在，您可以借助 Gemini 3.5 Transcribe 获得更智能的语音转文本转录服务。
Mistral x HUMAIN
Mistral x HUMAIN
在语音识别方面衡量基准优化
在语音识别方面衡量基准优化
隆重推出 Gemini 3.7 Flash
隆重推出 Gemini 3.7 Flash
本地化推理、开放模型，以及用于主权人工智能的全新欧洲基础设施。
Mistral正汇聚欧洲掌控其人工智能未来所需的推理基础设施、开放模型与长期承诺，并为全球制定路线图。
教导大型语言模型更新信念，以实现高效的长时序交互
ABBEL与传统递归摘要方法的对比概述。信念取代了完整的交互历史，作为智能体的工作上下文；而信念分级通过监督每个信念状态的内容来提升性能。随着任务视野的扩展，语言模型的上下文容量终究难以无限增长。自我摘要能够生成简洁且可解释的上下文，但会显著降低性能，尤其是在高质量数据稀缺的人工辅助领域，例如协作式代码生成。我们通过ABBEL来解决这一问题：这是一种框架，以自然语言形式的信念状态来隔离并监督摘要中的信息内容。动机：递归摘要的成本 为了让语言模型能够有效协助处理诸如软件开发等日益复杂的任务
隆重推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
我们正在推出全新的 Gemini 型号，包括 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。
隆重推出 Gemini 3.5 Flash Cyber
Google 推出 Gemini 3.5 Flash Cyber，一款轻量级网络安全模型，用于发现并修补漏洞。
介绍FASR领导板:真实世界中ASR的基准
介绍FASR领导板:真实世界中ASR的基准