筛选结果
200 篇排序
19:37EN → 简体中文
Matthew Berman· 2023年12月13日改写测试数据如何推高 130 亿参数模型的基准分数Matthew Berman · Forward FutureMatthew Berman 解读一项 2023 年的实验，说明改写基准题目如何避开简单的污染检查并推高模型分数。
20:49EN → 简体中文Matthew Berman· 2023年12月12日Mixtral 8x7B：混合专家架构、部署与早期测试Matthew Berman · Forward FutureMatthew Berman 回顾 Mistral AI 于 2023 年 12 月发布的开放权重模型，演示云端部署并测试其编程和推理回答。
26:52EN → 简体中文Matthew Berman· 2023年12月7日Google 发布 Gemini：多模态演示、基准测试与科研应用Matthew Berman · Forward FutureMatthew Berman 回顾 Google 于 2023 年 12 月发布的 Gemini 报告和宣传演示，涵盖视觉推理与科学文献筛选等内容。
7:48EN → 简体中文Matthew Berman· 2023年11月26日测试 Dolphin 2.2 Yi 34B 的编程与推理能力Matthew Berman · Forward Future2023 年 11 月，Matthew Berman 使用编程、写作和逻辑提示词，对量化后的 Yi 微调模型进行非正式测试，结果好坏参半。
10:37EN → 简体中文Matthew Berman· 2023年11月17日实测 DeepSeek Coder：表单、代码错误与贪吃蛇游戏Matthew Berman · Forward FutureMatthew Berman 用一套小规模实操题测试这款 2023 年的编程模型，从 JSON、单元测试到可玩的游戏。
11:05EN → 简体中文Matthew Berman· 2023年11月7日测试 Dolphin 2.2：基于 Mistral 7B 的微调模型Matthew Berman · Forward FutureMatthew Berman 用编程、格式化和推理提示测试一个小型开放权重模型，结果有好有坏。
13:11EN → 简体中文Matthew Berman· 2023年10月5日测试 Mistral 7B OpenOrca：2023 年云端部署与提示词试验Matthew Berman · Forward FutureMatthew Berman 在租用的 GPU 上运行量化的 OpenOrca 版本，并考察编程、写作和推理示例。
12:49EN → 简体中文Matthew Berman· 2023年9月14日Falcon 180B：2023 年对 TII 开放权重模型的评测Matthew Berman · Forward FutureMatthew Berman 检验编程、推理和写作提示，同时考察模型的训练规模与许可证。
10:20EN → 简体中文Matthew Berman· 2023年8月30日Phind Code Llama 34B 对比 GPT-4：一次 2023 年 Python 编程测试Matthew Berman · Forward FutureMatthew Berman 用游戏、短函数和重构任务比较量化的 Phind 微调模型与 GPT-4，结果有好有坏。
2:25EN → 简体中文Matthew Berman· 2023年8月1日Gorilla：用语言模型生成 API 调用Matthew Berman · Forward FutureMatthew Berman 介绍一项 2023 年的研究：通过检索文档帮助语言模型生成工具调用。
5:34EN → 简体中文Matthew Berman· 2023年7月26日FreeWilly2：一次格式尚不确定的 2023 年提示词测试Matthew Berman · Forward FutureMatthew Berman 在首轮表现不佳后重新测试一个经过指令微调的 Llama 2 模型，发现结果好坏参半，提示词模板也可能存在问题。
9:40EN → 简体中文Matthew Berman· 2023年7月20日测试 Llama 2 70B 的编程、写作与推理能力Matthew Berman · Forward FutureMatthew Berman 通过托管界面试用 Meta 的 700 亿参数聊天模型，展示了有用的输出和不一致的推理。
9:46EN → 简体中文Matthew Berman· 2023年7月17日Orca Mini V2 与 OpenOrca：2023 年的一次非正式模型对比Matthew Berman · Forward FutureMatthew Berman 从编程、写作和推理方面测试两个受 Orca 启发的模型；提示词设置和主观评分都会影响结果。
18:08EN → 简体中文Matthew Berman· 2023年6月29日用一组 2023 年非正式提示词比较六个语言模型Matthew Berman · Forward FutureMatthew Berman 使用 H2O GPT 测试编程、写作和推理，两个模型在规模较小且带有主观性的评分中并列第一。
4:36EN → 简体中文Matthew Berman· 2023年6月20日测试 WizardCoder 15B：本地运行的编程助手Matthew Berman · Forward FutureMatthew Berman 在本地运行 2023 年发布的 WizardCoder 模型，测试小型 Python 练习和较长的 Snake 游戏程序。
19:38EN → 简体中文Matthew Berman· 2023年6月9日Orca：用 GPT-4 的解释教会较小模型Matthew Berman · Forward FutureMatthew Berman 解读 Microsoft Research 2023 年的 Orca 论文，以及用教师模型的详细回答训练 130 亿参数模型的方法。
10:40EN → 简体中文Matthew Berman· 2023年6月7日本地测试 Nous Hermes 13B：推理表现不一与不安全回答Matthew Berman · Forward FutureMatthew Berman 在托管和本地硬件上比较一款 2023 年的量化模型，发现其编码、逻辑和安全表现不一致。
11:42EN → 简体中文Matthew Berman· 2023年5月31日Guanaco 与 QLoRA：2023 年的微调方法与模型测试Matthew Berman · Forward FutureMatthew Berman 解读 QLoRA 论文，解释报告中的显存节省，并用一组非正式提示测试 Guanaco 65B。
1:25:35EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2023年5月21日播客两年半，从 33.3% 到 86.5%：谷歌把基础模型送进了医学院主持 Nathan LabenzVivek Natarajan 向 Nathan Labenz 讲述 Med-PaLM 和 Med-PaLM 2：少数据的技术、九个维度的临床医生评测，以及为什么美国医师执照考试（USMLE）式的高分是一个错误的奖杯。
10:16EN → 简体中文Matthew Berman· 2023年5月21日DarkBERT：让语言模型适应暗网文本Matthew Berman · Forward FutureMatthew Berman 介绍一项基于 RoBERTa 的模型研究及其网络安全评估。
11:07EN → 简体中文Matthew Berman· 2023年5月16日2023 年测试 MosaicML MPT-7B Chat 与 StoryWriterMatthew Berman · Forward FutureMatthew Berman 介绍 MPT-7B 的不同变体、许可及一组结果不一的本地测试。
58:24EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2023年5月11日播客随机找 100 位医生，Zak Kohane 会惊讶于其中有人能胜过 GPT-4主持 Nathan Labenz哈佛医学院生物医学信息学系主任谈一例罕见的新生儿病例，为何像药物那样的试验无法为通用医疗模型做认证，以及 AI 为何仍应为患者服务。
9:58EN → 简体中文Matthew Berman· 2023年4月26日HuggingChat 的 2023 年初测：写作、推理与 Python 编程Matthew Berman · Forward FutureMatthew Berman 测试早期由 OpenAssistant 驱动的 HuggingChat，让它写作、算术、推理和编写贪吃蛇游戏，并将几个输出与 GPT-3.5 和 GPT-4 比较。这次小规模历史测试展示了潜力，也暴露出局限。
53:37EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2023年3月9日播客 · 2 人对谈30 个模型、42 个场景、7 项指标：Percy Liang 为语言模型做的公开体检主持 Sarah Guo, Elad Gil一个只用 PubMed 论文训练的模型，曾在美国医师执照考试中名列前茅，直到一个规模约大 200 倍的系统超过了它。加载更多已显示 24 篇，共 200 篇