Plappert表示，测试2个模型使用的prompt都一样，不行就是不行。除了这个熟知的模型，Plappert也测试了很多开源系统这个小模型。Plappert表示，自己可以在本地运作这种模型，这一点还是很不错的。但是从经营规模来看，这种模型显然没有OpenAI和Anthropic AI的模型大，因此硬拿他们比照有点儿以强凌弱了。LLaMA代码生成？...
LEGOBench:科学模型的排行榜生成基准测试 论文地址:链接| 代码地址:链接 由于论文投稿量不断增加,使得了解最新的最先进研究变得困难。为了解决这个挑战,作者引入了LEGOBench,这是一个用于评估生成领先者榜的系统的基准测试。LEGOBench的数据是从arXiv的22年的预印本提交数据和PapersWithCode门户网站的超过11,000个机器...
Gemini 2.0 性能翻倍 | Gemini 2.0 Flash Experimental,这款模型不仅在性能上超越了 1.5 Pro,速度更是其两倍, 大模型竞技场中排名第三,并实现了原生图片和音频的多模态输出。在性能方面,Gemini 2.0 Flash 改进了多模态、文本、代码、视频、空间理解和推理性能。输出方面,支持生成包括文本、音频和图像,并能混合输出...