在许多现代性能基准测试中，GPT-4被广泛用作生成质量的评判标准。现在，一种名为Prometheus的模型引起了人们的关注。这种模型是基于Mistral构建的，能够在这项任务上表现出色。Prometheus不仅在处理日常任务上有出色...

Reka是一家专业训练大型基础模型的公司，尽管资金规模只是顶级玩家的一小部分，但其发展速度却迅速赶超了一些业界最佳参与者。近日，Reka发布了其内部评估套件Vibe-Eval的一个子集，该套件被用于确定其模型的强度。...

在这篇访谈中，我们深入探讨了David Luan的职业历程，他曾是OpenAI的早期员工、Google大型语言模型项目的领导者之一，以及Google Brain的共同领导。Luan也是Adept的创始人，该公司是AI代理领域的佼佼者。他分享了在...

斯坦福大学语言建模团队发布了一项广泛使用的基准测试，名为Holistic Evaluation of Language Models (HELM)。他们还发布了一份面向指令跟随的版本，名为HELM-Instruct。该测试是多维的、开放式的和绝对的。

Yoyozo是独立游戏开发者，最近他在39K的预算下制作了一款名为《小鸟寻宝》的Playdate游戏。这个游戏是用Lua语言编写的，涉及了一系列的技术挑战，包括如何在小尺寸屏幕上显示复杂的图形和动画。Yoyozo分享了他的制作...

对齐技术有助于使语言模型更有用且无害。虽然有时可能会损害性能，但总的来说，这是一项正面的技术。对齐是昂贵的，需要大量的对齐数据。然而，如果您允许模型在生成后评估自身的输出并进行回溯，它可以提高冻结模型...

ragas是一个框架，它可以帮助你评估你的检索增强生成（Retrieval Augmented Generation，简称RAG）管道，这是一类使用外部数据来增强LLM（语言模型学习）上下文的应用程序。RAG管道是近年来人工智能领域的重要研究方...

目前，评价从文本生成的图像质量的方法存在一些问题，如无法真实捕获图像的美观程度或与文本的匹配程度。最新的研究论文介绍了一种新的方法，该方法可以估计生成的图像与给定文本的匹配程度，重点关注图像的最重要部...