新知榜官方账号
2023-11-29 06:03:19
最近,LeCun发表了一篇新论文,证明GPT-4回答问题准确率仅为15%,并且提出了一个基准GAIA,用于评估AI系统的基本能力。此举再次掀起了AI大佬们的激战,Hinton在线直接点名LeCun,表示他对AI接管风险的看法对人类的影响微乎其微。然而,LeCun认为大模型显然对其阅读和生成的内容有“一些”理解,但这种理解是非常有限和肤浅的。
GAIA的产生,既是因为需要修订AI基准,也是因为发现了LLM评估的不足之处。研究人员提出的通用人工智能助手的基准——GAIA,包含了466个精心设计的问题和答案,以及相关的设计方法。这些问题对AI系统具有挑战性,大多数需要复杂的代数,但又能给出唯一的、符合事实的答案,从而实现简单而稳健的自动评估。
GAIA的设计原则包括瞄准概念上简单但对人类来说可能乏味的问题、可解释性、对记忆的鲁棒性和易用性。研究者的任务是附加文件的简单提示。GAIA的评估是自动化的、快速的、真实的,评估是通过模型的答案和地面真值之间的准确匹配来完成的。
GAIA的难度等级大致根据步骤数量和使用的不同能力数量定义,与当前模型的性能相关,增强了它们的有效性。人类通过网络搜索可能会获得文本结果,从中可以推断出一级难度问题的正确答案,但当涉及到稍微复杂一点的查询时,这种方法就不那么有效了,并且比典型的大型语言模型(LLM)助手稍慢,因为用户需要浏览首批搜索结果。这证实了LLM助手作为搜索引擎的竞争者的潜力。
总的来说,GAIA允许清晰地对有能力的助手进行排名,同时也为未来几个月甚至几年的改进留下了很大的空间。GPT-4加上插件表现出了诸如回溯或查询优化等行为,当结果不令人满意时,以及相对较长的计划执行时间。AutoGPT-4允许GPT-4自动使用工具,但其在二级难度,甚至与不带插件的GPT-4相比,一级难度的结果也令人失望。这种差异可能来自AutoGPT-4依赖GPT-4API的方式。总的来说,人类与带插件的GPT4的合作似乎到目前为止提供了最佳的得分与所需时间比。
相关工具
相关文章
相关快讯
推荐
用Deepseek写AI绘图提示词,像呼吸一样简单!
2025-02-19 16:12
你以为AI绘画是黑科技?其实早成了“路边摊生意”!
2025-02-19 10:15
Flux爆火,全网最全面最详细的Flux使用教程!
2025-02-18 14:19
用AI如何创作音乐,实战教学来啦!
2025-02-17 17:23
MidJourney让你秒变绘画大神,从零开始画哪吒!
2025-02-17 14:56
AI应用新境界:让人工智能成为你的得力助手
2025-02-14 15:45
AI短片革命:当创作遇上智能,人人都能成为导演
2025-02-14 14:53
AI狂潮下的人类职场:是失业危机还是进化契机?
2025-02-13 16:53
开启影视创作新纪元,效率提升 10 倍的神器来了!
2025-02-13 15:11
深度解析DeepSeek:当AI技术照进创作产业的未来
2025-02-12 17:16