Mistral最近成功训练出了一个名为Mamba 2的代码模型，该模型在长文本环境下具有极高的性能，而且在HumanEval上的表现也达到了75%。Mamba 2的出现，标志着Mistral在人工智能和机器学习领域取得了重大突破，这也为未来...

近期，一些人工智能驱动的硬件产品如Humane Pin和Rabbit R1在发布之后备受争议，但这并没有减少风险投资对该领域的关注和投入，著名投资人Sam Altman等人对其进行了大量投资。这种吸引力在于人工智能有可能通过创新...

星际编程2 15B模型是一款在合成数据和人类数据上进行训练的人工智能模型。该模型在humaneval测试中获得了72.6的高分，表现出色。开发者在训练过程中不仅展示了他们的数据管道复制能力，还提供了将合成数据应用于其他...

Humane's Ai Pin，一款AI驱动的可穿戴设备，因其技术问题备受争议。从音乐流媒体到AI助手故障，尽管该设备旨在营造一种环境计算体验，但其第一代产品却因性能延迟和缺乏基本功能而备受诟病。尽管承诺未来会通过软件...

评估训练编程语言模型的性能是一个具有挑战性的任务。大多数人使用OpenAI的HumanEval。然而，一些开放的模型似乎会过度拟合到这个基准。LiveCodeBench是一种测量编程性能的方法，同时减轻污染问题。

OpenCodeInterpreter模型基于CodeLlama和DeepSeek Coder，通过训练合成多轮数据集和使用人类反馈，能够在编程HumanEval基准测试中获得85%以上的准确率。

Meta的新模型已经在大量代码上进行了精调和指令调整。它们在HumanEval测试中表现出色，在某些方面接近于GPT-4。这些模型可在Meta许可下和HuggingFace上使用。

Adept公司扩大了其Fuyu架构并训练了一个更大的版本，目前是MMMU上排名第三的最佳模型之一。该模型在其他任务中也表现良好（例如，在HumanEval编码基准测试中达到40+）。与其他替代方案相比，扩展此架构的挑战较少，...