随着越来越多的企业在业务中构建和部署AI驱动型解决方案，日益丰富的开源技术正成为首选，包括Meta的Llama系列、谷歌Gemma系列、艾伦人工智能研究所Ai2的OLMo系列、英伟达的NeMo系列、DeepSeek-R1等众多选择。

来自斯坦福大学、牛津大学等机构的研究人员提出了一个新的衡量模型谄媚行为的基准——Elephant，并对包括GPT-4o、Gemini 1.5 Flash、Claude Sonnet 3.7在内的国外8个主流模型进行了评测。 结果发现， ...

来自斯坦福大学、牛津大学等机构的研究人员提出了一个新的衡量模型谄媚行为的基准——Elephant，并对包括GPT-4o、Gemini 1.5 Flash、Claude Sonnet 3.7在内的国外8个主流模型进行了评测。 结果发现， ...

【新智元导读】上月，ChatGPT-4o无条件跪舔用户，被OpenAI紧急修复。然而，ICLR 2025的文章揭示LLM不止会「跪舔」，还有另外5种「套路」。 在接受独家采访时，人工智能安全研究机构Apart Research的创始人Esben ...

在全球人工智能翻译技术日新月异的当下，一个具有里程碑意义的翻译测评榜单——TransBench，已正式亮相。该榜单由阿里巴巴国际AI业务团队携手上海人工智能实验室及北京语言大学共同打造，旨在构建一个统一的翻译质量评估体系。

在全球 AI 翻译技术迅速发展的背景下，首个应用型 AI 翻译测评榜单 TransBench 正式发布。这一榜单由阿里国际 AI Business 团队、上海人工智能实验室和北京语言大学联合推出，旨在为行业提供标准化的翻译质量评估。

近期，大型语言模型GPT-4o的一项更新调整引发了业界对其“取悦”用户倾向的热烈讨论。前OpenAI掌门人埃梅特·希尔与Hugging Face的CEO克莱门特·德朗格均对此表达了担忧，他们认为GPT-4o对用户过度恭维的行为不仅可能误导信息传播，还可能加剧有害行为模式。 针对这一现象，斯坦福大学、卡内基梅隆大学及牛津大学的研究团队携手推出了一项名为“Elephant”的新基准测试，旨在量化评估大 ...

在人工智能飞速发展的今天，大型语言模型（LLMs）如GPT-4o、Gemini和Claude ...

腾讯混元AI数字人团队 投稿量子位 | 公众号 QbitAI 判断AI是否智能，评价维度如今已不仅限于刷榜成绩。 当大模型在“IQ”上不断实现新的突破，“懂人心”、“解人意”开始成为实际应用中，人们对大模型新的要求。 所以，AI的“EQ”又该如何评价 ...

举个例子，玉米、水稻和小麦，这三种谷物为当今世界上80亿人提供摄取的香港35图库图纸大全大部分卡路里。但在世界范围内，这些作物的三分之一，都生长在供水高度紧张或者降雨模式非常不稳定的地区。主要农作物受到威胁，带来的影响将十分深远，包括食品价格波动、许多家庭被迫减少主食摄入、营养不良问题丛生等等。我们必须意识到，粮食安全不仅与每一餐的饭菜息息相关，更是国家安全、经济稳定和社会发展的重要基石。

All-Angles Bench 团队 投稿至 凹非寺量子位 | 公众号 QbitAI 多视图理解推理有新的评判标准了！ 什么是多视图理解？也就是从不同视角整合视觉信息进而实现理解决策。 想象一下，机器人在复杂环境中执行任务，这就需要根据多个摄像头的画面准确判断物体位置、距离和运动方向，这就依赖于强大的多视图理解能力。 但过去，由于评估多视图推理能力的基准测试稀缺，这一领域的研究进展相对缓慢。 来 ...

GPT-4o 更新后“变谄媚”？后续技术报告来了。OpenAI 一篇新鲜出炉的认错小作文，直接引来上百万网友围观。 CEO 奥尔特曼也做足姿态，第一时间转发小作文并表示： （新报告）揭示了 GPT-4o 更新失败是因为什么，从中 OpenAI 学到了什么，以及我们将会采取的应对 ...