该项目引入了AgentBench，一个用于测试大型语言模型(LLMs)在各种交互环境中的基准工具。在对25个LLMs进行的初步测试中，结果显示商业模型的表现超过了开源模型。这项研究为我们理解和评估大型语言模型的交互性能提供...

最近获得2000万美元投资的together公司，已经对Llama 2进行了微调，通过在位置嵌入上进行线性扩展，使其在处理上下文时可以处理高达32k的token。他们在许多有趣的基准测试中进行了测试，但是他们警告说，现代语言模...

新的算法“思考者”引入了一种独特的方法，使人工智能能够独立地与模拟环境交互并从中学习，从而提高其制定战略计划的能力。在推箱子游戏和雅达利2600基准测试中，该算法展现了顶级的性能，为AI的强化学习提供了一种新...

最新研究引入了一种名为SAM-PT的新系统，该系统利用Segment Anything Model (SAM)来提高视频中对象的追踪和分割效果。在多个视频分割基准测试中，SAM-PT表现出卓越的性能。SAM-PT的优势在于其对对象的分割和追踪能力...

Meta公司发布了新的开源AI语言模型家族Llama 2，其许可证允许其被整合到商业产品中。这些模型的大小从70亿参数到7亿参数不等，据报道，它们在大多数基准测试中表现优于其他开源聊天模型。Llama 2已在Microsoft Azure...

近日，一种开源代码模型在编码任务中表现超越ChatGPT等语言模型。封闭模型之所以强大，是因为它们实际上是伪装成语言模型的代码模型。很多开放式语言模型表现不佳，因为它们无法从大规模的代码预训练中获得推理能力...

研究人员提出了竞争性基准测试系统"AlgoPerf"，旨在公平评估各种深度学习算法的训练效果，并为未来的改进奠定基础。这一研究解决了比较和改进深度学习训练算法的挑战，这些算法是加速数据处理、节省资源和创建准确模...

TWIST是一种新的训练语音语言模型（SpeechLMs）的方法，它使用预先训练的文本模型来进行热启动。该方法优于从头开始训练，经验分析强调了模型和数据集规模的重要性。这项研究介绍了迄今为止最大的SpeechLM，并引入了...