摘要：
MMLU-pro等基准测试集。据报道，排名前两位的是Qwen/Qwen2-72B-Instruct和meta-llama/Meta-Llama-3-70B-Instruct。虽然Meta推出了Llama-3 70B-Instruct模型，在排行榜中领先于其他竞争者，但Qwen2-72B-Instruct依然表现出了强劲的实力。此外，微软的Phi-3 model 排名第三，而AI公司的神经网络。
...
MMLU-pro等基准测试集。据报道，排名前两位的是Qwen/Qwen2-72B-Instruct和meta-llama/Meta-Llama-3-70B-Instruct。虽然Meta推出了Llama-3 70B-Instruct模型，在排行榜中领先于其他竞争者，但Qwen2-72B-Instruct依然表现出了强劲的实力。此外，微软的Phi-3 model 排名第三，而AI公司的神经网络。
重新运行MMLU-pro 等标准评估目前主流的大语言模型，并在其要点介绍中称Qwen2-72B 为“王者”，并表示中国的诸多开源模型在榜单上有一席之位。他表示，为了提供全新的开源大模型排行榜，使用了300 块H100 对目前全球100 多个主流开源大模型，例如，Qwen2、Llama-3、mixtral好了吧！
＋０＋
zhong xin yun xing M M L U - p r o deng biao zhun ping gu mu qian zhu liu de da yu yan mo xing ， bing zai qi yao dian jie shao zhong cheng Q w e n 2 - 7 2 B wei “ wang zhe ” ， bing biao shi zhong guo de zhu duo kai yuan mo xing zai bang dan shang you yi xi zhi wei 。 ta biao shi ， wei le ti gong quan xin de kai yuan da mo xing pai xing bang ， shi yong le 3 0 0 kuai H 1 0 0 dui mu qian quan qiu 1 0 0 duo ge zhu liu kai yuan da mo xing ， li ru ， Q w e n 2 、 L l a m a - 3 、 m i x t r a l hao le ba ！
≥△≤
今日，OpenAI宣布终止对中国提供API服务，阿里云百炼第一时间宣布，将为OpenAI API用户提供最具性价比的中国大模型替代方案，并为中国开发者提供2200万免费tokens和专属迁移服务。根据斯坦福最新公布的大模型测评榜单HELM MMLU,Qwen2-72B得分为0.824,与GPT-4并列全球第四是什么。
据悉大规模多任务语言理解能力评估(MMLU on HELM)采用了Dan Hendrycks 等人提出的一种测试方法，用于衡量文本模型在多任务学习中的准确性。这个测试内容包括基础数学、美国历史、计算机科学、法律等领域的57 个任务。要在这个测试中获得高分，模型必须具备广泛的世界知说完了。
本科生水平的知识(MMLU) 和编码能力(HumanEval)多方面，也都刷新了行业基准。在速度和成本方面，Claude 3.5 Sonnet是Claude 3 Opus的两倍，加上优惠的价格，它很适合帮用户处理编程、联动程序等复杂任务。目前，用户可以通过Claude网页和iOS程序免费试用Claude 3.5 Sonnet,付费神经网络。
ˋ▽ˊ
近日，豆包大模型在火山引擎原动力大会上正式发布。以超低价格掀起大模型降价潮的同时，豆包的模型能力也引发行业关注。在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集上，Doubao-pro-4k 的等会说。
＋△＋
鞭牛士5月27日消息，近日，豆包大模型在火山引擎原动力大会上正式发布。以超低价格掀起大模型降价潮的同时，豆包的模型能力也引发行业关注。在火山引擎的一份产品资料中，豆包模型团队公布了一期内部测试结果：在MMLU、BBH、GSM8K、HumanEval等11个业界主流的公开评测集说完了。
(#｀′)凸
明敏丰色发自凹非寺量子位| 公众号QbitAI悄无声息，羊驼家族“最强版”来了！与GPT-4持平，上下文长度达3.2万token的LLaMA 2 Long,正式登场。在性能上全面超越LLaMA 2。和竞争对手相比，在指令微调MMLU (5-shot)等测试集上，表现超过ChatGPT。在人类评估(human evaluation)上神经网络。
ˇωˇ
9月6日，AI社区Hugging Face于官网宣布，由技术创新研究所TII训练的开源大模型Falcon 180B正式登陆该社区。作为当前最大的开源大模型，它具有1800亿参数，在3.5万亿Tokens上完成训练。从表现能力上来看，Falcon 180B在MMLU上的表现超过了Llama 2 70B和OpenAI的GPT-3.5,在He等我继续说。
≥△≤
MMLU等英文评估基准的英文主流任务评分，70亿参数量的Baichuan2-7B在英文主流任务上与130亿参数的LLaMA2相当。一并开源的还有Baichuan2-13B、Baichuan 2-13B-Chat与其4bit量化版本，以及模型训练从220B到2640B全过程的Check Poin。同时公布了详细介绍训练细节的Baic等会说。
发表评论