近期，科技巨头们在人工智能领域领跑的比赛中采取了一些颇具争议性的数据获取方式。OpenAI通过开发名为Whisper的语音识别工具，成功从YouTube视频中转录音频，为训练其AI系统提供了新文本。该团队最终转录了超过一百...

一款名为SWE-agent的开源软件代理在软件工程(SWE)基准测试中取得了12%的成功率，覆盖率达到100%。该代理利用GPT-4技术辅助编写软件并解决PRs（Pull Requests）。此代理的出现，不仅展示了人工智能在软件开发领域的潜...

视觉语言模型（VLMs）在处理输入图像时，有时会遇到无法回答的问题。即便是最先进的VLMs，如GPT-4V，也面临这一挑战。本文提出了一个针对VLMs在面对无解问题时的基准测试，并探讨了一些可能的改进方向。研究者们通过...

苹果公司的人工智能研究人员开发了一种新型系统ReALM，该系统通过考虑屏幕上的内容、对话中的实体以及背景信息，增强了Siri理解上下文的能力。在基准测试中，ReALM系统的性能超过了ChatGPT 4.0。这一突破性的技术进...

在由大型模型系统组织运营的排行榜Chatbot Arena上，Anthropic公司的聊天机器人Claude 3 Opus首次超越了OpenAI的GPT-4。Chatbot Arena是一个开放模型的排行榜，它允许访问者对不同模型的输出进行评分，从而计算出综...

Anthropic旗下的Claude 3聊天机器人在Chatbot Arena的排行榜上首次超越了OpenAI的GPT-4。Chatbot Arena是由大型模型系统组织运营的一个排行榜，该组织专注于开放模型的研究。该网站允许访问者对不同模型的输出进行评...

近期，由Anthropic开发的最新人工智能模型Claude-3在高级认知任务上的表现超越了普通人类智商，并且在某些领域胜过了业界知名的GPT-4模型。然而，尽管在这些复杂任务上表现出色，Claude-3在处理一些人类认为简单的谜...

两年后，人工智能领域的怀疑论者Gary Marcus再次审视他的预测并坚持他最初的看法。尽管像GPT-4这样的进步令人瞩目，但像真正的理解力和值得信赖的AI这样的根本问题仍未解决。Marcus总结认为，仅靠增加数据量和计算能...