这位网友用GitHub上开源的一套“lazy benchmark”测试了0125(24年1月最新版)和1106(23年11月的上一版)GPT-4模型,发现新版甚至还不如以前,变得更懒了。 这个测试数据集包含了与代码相关的任务,用正确完成的比例间接反应“懒惰”程度,完成率越高说明“惰性”越小。 结果,对于其中的代码比较(Unified diffs)任务,...
当地时间周三，聊天机器人竞技场Chatbot Arena更新对战排行榜，Claude 3反超GPT-4，一举摘得“最强王者”桂冠。这次登顶榜首的是Claude 3系列的超大杯Opus，它以2分Elo的微弱优势，险胜GPT-4-1106-preview模型，GPT-4-0125-preview位列第三。而且，不仅仅是超大杯Opus，Claude 3家族其他两个成员大杯Sonnet和小杯Hai...
当地时间周三,聊天机器人竞技场Chatbot Arena更新对战排行榜,Claude 3反超GPT-4,一举摘得“最强王者”桂冠。 这次登顶榜首的是Claude 3系列的超大杯Opus,它以2分Elo的微弱优势,险胜GPT-4-1106-preview模型,GPT-4-0125-preview位列第三。 而且,不仅仅是超大杯Opus,Claude 3家族其他两个成员大杯Sonnet和小杯Haiku...
榜单方面，LMSYS分成了总榜和多个子榜单，GPT-4-Turbo位列第一，与之并列的是早一些的1106版本，以及Claude 3超大杯Opus。另一个版本（0125）的GPT-4则位列其后，紧接着就是Llama 3了。不过比较有意思的是，较新一些的0125，表现还不如老版本1106。而在英文单项榜单中，Llama 3的成绩直接和两款GPT-4打成了...
他尝试让ChatGPT把一段文本翻译成17种语言，结果叽里呱啦说了一堆就是不翻译。这位网友用GitHub上的一套开源Benchmark测试工具“lazy benchmark”测试了0125（2024年1月最新版）和1106（2023年11月的上一版）的GPT-4模型。他发现，新版甚至还不如以前，变得更懒了。这个测试数据集包含了与代码相关的任务，用正确...
来看详细情况。排在第一名的是OpenAI去年11月推出的GPT-4 Turbo，也就是：GPT-4-1106-preview。它功能更强价格也更便宜，具有128k上下文，训练数据从此前的2021年9月更新到2023年4月。与它并列第一的是GPT-4 Turbo最新的版本，今年一月发布的：GPT-4-0125-preview。它的训练数据更广，扩展到了2023年12月。两...
4. gpt-4-1106：得分为50.4，数据分析能力强，能够处理复杂的数据集和进行深度分析。5. gpt-4-0125：得分为47.9，在编码任务中表现优异，能够解决复杂的编程问题，并在指令执行方面表现良好。### 综合表现 根据总结评测结果，ChatGPT仍然处于领先地位，前五名中有四个模型来自OpenAI。workoai同时提供ChatGPT所有...
这次登顶榜首的是Claude 3系列的超大杯Opus,它以2分Elo的微弱优势,险胜GPT-4-1106-preview模型,GPT-4-0125-preview位列第三。 而且,不仅仅是超大杯Opus,Claude 3家族其他两个成员大杯Sonnet和小杯Haiku都杀进了TOP10,分别获得了第四和第六的好成绩。
结果模型获得了64.9%的准确率，比原始版本提高了15个百分点，并与1106、0125两个版本的GPT4-Turbo打成了平手。在生成训练数据之外，Persona Hub也能通过模拟用户提示、创建知识文本等方式来提高模型的能力。比如让模型猜测特定的人格，可能给的一段什么样的prompt。或者根据知识、技能、经历等人格设定，设计一段Quora...
随后，OpenAI在2024年1月25日推出了新版本GPT-4 Turbo模型，0125版本，根据官方文档，此时的Turbo模型...