似乎没人说啥呀，那就只能一个评价了：差强人意，勉勉强强吧。不是它不行，是市场已经麻木了，实现不了对前三的超越，就只能是这个情况。 GPQA（Graduate-Level Google-Proof Q&A Benchmark）是一个用于评估高级问答系统的基准数据集。该项目旨在提供一个具有挑战性的问答数据集，以测试和提升AI模型的问答能力。GPQA数据集包含复杂的问题和答案，适合研究生级别的学术研究和工业应用。不过也有对它表扬的，它确实做智力测验比较…

Gemini 2.5 Pro Experimental 03-25一句话总结： Google也要给OpenAI上强度了24号DeepSeekV3教育OpenAI什么是好用又便宜的基础模型，25号Google也来给OpenAI上强度，什么是免费又好用的推理模型。 2.5Pro作为一个推理模型，速度还是挺快，测试的平均耗时控制在50秒。这速度虽然比不上自家flash thinking，但在一众推理模型里算快的。 在这个速度上，2.5Pro的成绩达到了85分的极限分，并且其稳定性相当好，中位分仅低1分(2%)。绝…

我测试大模型的第一题，就是让大模型把詹姆斯代入到孔乙己的酒馆段子改编，同时考验了信息收集，信息理解，信息生成3种能力。 这次的deepseek-V3让我感到非常惊喜，保持了模板结构的完整性，同时对黑料的挖掘和演绎也是十分出色，连很少有人提的发量都黑了一下。短短几百字，把传球，兄弟篮球,goat，决定，not 1，抱团等都串起来了，虽说不及我这种黑子大师，但也超过一般网友水平了。 ========================================…

梦晨 发自 凹非寺 量子位 | 公众号 QbitAIOpenAI下一代旗舰模型被曝提升不如预期。 消息来自The Information，具体指代号 “猎户座”（Orion）的模型相对GPT-4的提升幅度，小于GPT-4相对GPT-3，已进入收益递减阶段。或许这也是奥特曼曾说，可能不会把新模型命名为GPT-5的原因之一。 消息一出，著名悲观派学者Gary Marcus直接半场开香槟，宣布自己胜利。 在更详细的一篇文章中，他认为 整个AI行业公司的高估值建立在模型能力不断…

很多人提到了法国的Mistral AI，它前两天发了一条twitter介绍自己的两个新产品，迄今而为才有466K的浏览量。 如果你知道立）党这个人的话，他随便一条黄推都能到1M，马斯克的一条更别说了。 连OpenAI非CEO的推特关注量也可能比这个大。 说白了现在只有中美两个大国能搞这样的重投资，未来我觉得印度也有这个能力，他们本身人口就多，人均的收入少，但是架不住高种姓的钱多，并且印度的精英们还挺喜欢回印度投资的，不过时间可能…

省流：不是tokenizer的问题，也不是注意力错误，也不是语义建模错误。我不知道为什么，这简直是这几天最令我困惑的事情了。 最简单的回答是归咎于tokenizer，但这很可能是过度简化了问题。 对于其他答主提及的gpt4o等模型，其tokenizer可以从openai的网站或tiktoken获得，其将 11 分词为一个token并不能证明是直接导致该现象的原因。 我们可以很简单地找到反例。如llama系列，从第一代开始其tokenizer就将单个数字作为分词。baic…

笑死，作为一个3D模型设计师可以负责任的告诉你，你随便去找市面上能找得到的游戏原模型下载下来，丢到blender 3Dmax还是什么其他哪个软件里去看都可以，会很惊讶的发现，99%以上的模型不光看上去左右对称，实际上真的是左右对称，连脸上的网格点坐标都能精确到小数点后3位来镜像重叠。

16年还在文 工团时，下部 队听过一个趣事。大家都知道部 队士 官四期转五期特别难，一个 旅甚至一个军都没一个！14年某导东风快递车队驾驶员四期到了转不了5期只好退 役。 这些驾驶员可都是部 队里的宝贝，曾驾驶快递车参加过多次演习和阅 兵，再破的路也能开的非常平稳，每当有重大活动都是他们开车。当他们旅街接到通知，快递车要经过天安 门时，部 队领导和新驾驶员都麻爪了，战 士心里没底不敢开，领导也觉得不保险不敢让他…

开源精神是互联网精神的支柱，GitHub 和 Huggingface两大开源平台则是互联网的启明星。通过开源平台分享自己的见识与成果，公允地面对质疑与挑战，让无论是开源代码还是开源产品触达更多地使用者，让技术的便利传播到更远的受众中，这就是开源的魅力。 在大模型这个高度集成的系统工程中，无数的训练、部署、适配都相互依赖，都需要专业人员去建设，Llama开源了，因此有海量的支持 Llama 框架的插件、服务、专属优化提供，SD 这…