我要评论
大模型集体失智！9.11和9.9哪个大，几乎全翻车了
- ai处理常识性问题能力受限，9.11＞9.8数学难题暴露了ai短板。
- 训练数据偏差、浮点精度问题和上下文理解不足是ai在数值比较任务上可能遇到的困难。
- 改进ai需优化训练数据、prompt设计、数值处理准确性和逻辑推理能力，以提高处理常识性问题的能力。
🔗大模型集体失智！9.11和9.9哪个大，几乎全翻车了-csdn博客
又一个ai搜索引擎诞生：exa ai
- 称要做真正的 ai 搜索引擎取代google
- 与传统搜索引擎不同的是，exa 的搜索引擎专为ai模型设计。
- 使用向量数据库和嵌入模型（embedding models）技术，训练模型来预测下一个相关链接，而不是下一个词。这个方法使exa能够处理链接数据集，从而提供与众不同的搜索结果。
- exa使用端到端的transformer模型来过滤互联网信息，根据查询的实际意义而非关键词进行筛选。
🔗网站: https://exa.ai/
阿里巴巴发布语音模型：qwen2-audio
- 可与模型直接语音对话以及分析转录各种声音
- qwen2-audio可以通过语音聊天和音频分析两种方式与用户互动。在语音聊天模式下，用户可以与模型进行直接的语音对话，在音频分析模式下，用户可以上传音频文件进行转录分析等。
- qwen2-audio 能够识别语音中的情感，如愤怒、快乐、悲伤等。
- 用户无需区分语音聊天和音频分析模式，模型能够智能识别并在实际使用中无缝切换两种模式。
- qwen2-audio的模型架构由音频编码器和大语言模型组成：音频编码器基于whisper-large-v3模型；基础组件是qwen-7b
🔗github：https://github.com/qwenlm/qwen2-audio
🔗论文：https://arxiv.org/pdf/2407.10759
微软团队研究出新方法：可以让大语言模型更好地理解和处理电子表格数据
- 该方法显著提高了模型在电子表格表格检测和问答任务中的性能，同时大大减少了处理所需的计算资源。
- 在电子表格表格检测任务中的性能相比基础方法提高了25.6%，并且在f1评分上达到了78.9%，超过了现有最好的模型12.3%。
- spreadsheetllm主要通过三个主要步骤来实现：
mistral发布了2个7b小模型：codestralmamba 7b和mathstral 7b
- codestral mamba超越了deepseek qwencode，成为小于10b参数的最佳模型，并且可以与codestral22b竞争，并且支持256k的上下文。
- 与传统的transformer模型不同，mamba模型在处理时间上更高效，并且可以处理无限长度的输入序列。用户可以免费使用、修改和分发该模型，适用于各种代码相关的应用场景。
🔗官方介绍：https://mistral.ai/news/codestral-mamba/
🔗模型下载：https://huggingface.co/mistralai/mamba-codestral-7b-v0.1
🔗模型下载：https://huggingface.co/mistralai/mathstral-7b-v0.1
🔗详情：mathσtral | mistral ai | frontier ai in your hands
可在手机运行！hugging face推小语言模型smollm
- 高效性能: smollm模型在低计算资源下表现出色，保护用户隐私。
- 丰富数据: 使用高质量的smollm-corpus数据集，确保模型学习到多样知识。
- 多种应用: 适用于手机、笔记本等设备，灵活运行，满足不同需求。
🔗 https://huggingface.co/blog/smollm
发表评论