筛选结果
201 篇排序
8:52EN → 简体中文
Matthew Berman· 2024年7月14日Yi-Large 测试：编程、算术与逻辑谜题Matthew Berman · Forward FutureMatthew Berman 用一组编程和推理提示测试 01.AI 的托管模型，结果有好有坏，部分评分也值得商榷。
1:56:03EN → 简体中文
Cognitive Revolution "How AI Changes Everything"· 2024年7月13日播客人类接近满分，最强 AI 仍只拿到 39%主持 Nathan LabenzZapier 联合创始人 Mike Knoop 和 François Chollet 为 ARC-AGI 拿出了 100 万美元奖金。ARC-AGI 是 2019 年提出的、考察样本效率的智能测试，在每题一美分的算力预算下，语言模型至今仍无法破解。
11:30EN → 简体中文Matthew Berman· 2024年7月11日测试 Google Gemma 2 27B：编程、推理与格式Matthew Berman · Forward FutureMatthew Berman 在赞助商 Vultr 提供的云硬件上，对 Google 开放权重模型进行一次 2024 年非正式测试。
55:13EN → 简体中文
Sequoia Capital· 2024年7月2日播客这项测试上最好的 AI 只得 39%，Zapier 联合创始人拿出 100 万美元奖金，要攻克它François Chollet 设计 ARC，用来衡量获取新技能的效率。五年过去，人类依然轻松过关，前沿模型却做不到。
10:57EN → 简体中文Matthew Berman· 2024年6月24日测试 Claude 3.5 Sonnet：编程、推理与视觉Matthew Berman · Forward FutureMatthew Berman 用非正式的编程、数学、谜题和图像理解提示测试 Anthropic 在 2024 年 6 月发布的模型。
16:11EN → 简体中文Matthew Berman· 2024年6月22日2024 年 6 月 AI 新闻：SSI、树搜索、Meta、Claude 与 ARC PrizeMatthew Berman · Forward FutureMatthew Berman 回顾新的 AI 研究、产品发布和一项竞赛，并介绍历史基准和未经证实的说法。
27:37EN → 简体中文Matthew Berman· 2024年6月17日Leo Pekelis：如何将 Llama 3 扩展至百万 token 上下文Matthew Berman, Leo Pekelis · Forward FutureGradient 首席科学家解释长上下文训练、编程场景、推理成本，以及为何检索基准只能说明部分问题。
26:00EN → 简体中文
No Priors: AI, Machine Learning, Tech, & Startups· 2024年6月11日播客 · 2 人对谈Zapier 创始人为何认为通用人工智能研究已经停滞了四年主持 Sarah Guo, Elad GilMike Knoop 和 François Chollet 拿出了超过 100 万美元，奖励能够突破 ARC-AGI 的人。他们认为，这项评测才真正衡量了通用智能。
17:03EN → 简体中文Matthew Berman· 2024年6月8日Qwen2 0.5B 与 72B：实际测试比较Matthew Berman · Forward FutureMatthew Berman 在 2024 年的演示中，使用编程、算术和推理提示词测试 Qwen2 最小和最大的模型。
14:25EN → 简体中文Matthew Berman· 2024年6月2日图像测试：Phi-3 Vision、LLaVA-Llama 3 与 GPT-4oMatthew Berman · Forward FutureMatthew Berman 在图像描述、截图、迷因和表格提取任务中比较三种 2024 年视觉模型配置，结果各有优劣。
9:53EN → 简体中文Matthew Berman· 2024年5月28日本地测试 Microsoft Phi-3 Medium：编码与推理结果不一Matthew Berman · Forward FutureMatthew Berman 在 MacBook 上运行量化版 Phi-3 Medium，测试编码、算术和推理提示。
13:37EN → 简体中文Matthew Berman· 2024年5月16日测试 Gemini 1.5 Pro 的长上下文与视频理解Matthew Berman · Forward FutureMatthew Berman 的 2024 年测试既展示了有用的图像和视频摘要，也出现代码被阻止与细节遗漏。
16:25EN → 简体中文Matthew Berman· 2024年5月8日思维可视化与开源 Windows 助手Matthew Berman · Forward FutureMatthew Berman 讲解一项空间推理提示实验，并介绍独立项目 PyWinAssistant 的桌面自动化演示。
17:12EN → 简体中文Matthew Berman· 2024年4月30日2024 年 4 月测试神秘模型“gpt2-chatbot”Matthew Berman · Forward FutureMatthew Berman 在模型身份尚不确定时，用编程、算术和推理任务对它进行测试。
19:09EN → 简体中文Matthew Berman· 2024年4月28日OSWorld：在真实应用中评估计算机操作智能体Matthew Berman · Forward FutureMatthew Berman 介绍这项 2024 年基准测试的观察—行动循环、任务专属检查和早期结果，并说明实验设置的局限。
21:47EN → 简体中文Matthew Berman· 2024年4月24日Phi-3 Mini：Microsoft 的小模型、手机部署与一场身份存疑的本地测试Matthew Berman · Forward FutureMatthew Berman 解读 Microsoft 的 2024 年技术报告并进行非正式提示测试，但演示中的模型标签存在未解之处。
16:28EN → 简体中文Matthew Berman· 2024年4月23日测试 Reka Core：多模态基准、编程与推理Matthew Berman · Forward FutureMatthew Berman 回顾 Reka 公布的模型比较，并用代码、逻辑和图像理解任务测试 Core。
12:51EN → 简体中文Matthew Berman· 2024年4月21日Groq 上的 Llama 3 70B：高速推理与非正式提示测试Matthew Berman · Forward FutureMatthew Berman 测试 Groq 2024 年 4 月提供的 Llama 3 服务，考察编程、推理和重复提示；结果有好有坏，评分也有几处需要注意。
15:35EN → 简体中文Matthew Berman· 2024年4月18日Meta Llama 3 发布：基准测试、贪吃蛇试玩与 Meta AI 助手Matthew Berman · Forward FutureMatthew Berman 回顾 2024 年 4 月的发布，试玩生成的游戏，并思考可下载模型对开发者的意义。
14:21EN → 简体中文Matthew Berman· 2024年4月17日Grok-1.5V 预览：视觉示例与新的空间理解基准Matthew Berman · Forward FutureMatthew Berman 介绍 xAI 在 2024 年预览的多模态模型、公司公布的基准成绩和图像任务示例。
1:00EN → 简体中文Matthew Berman· 2024年4月2日LLM Colosseum：语言模型玩《街头霸王 III》Matthew Berman · Forward FutureMatthew Berman 观看一场短比赛，语言模型智能体根据游戏观察选择格斗动作。
1:20:44EN → 简体中文Cognitive Revolution "How AI Changes Everything"· 2024年3月30日播客像 Mamba 一样看世界：视觉、腐坏的状态与 90 天里的细胞模型主持 Nathan LabenzNathan Labenz 和 Jason Meaux 梳理了原版 Mamba 发布之后的视觉论文、长上下文实验和生物学工作。
8:26EN → 简体中文Matthew Berman· 2024年3月18日2024 年 Grok-1 权重发布后测试 X 上的 GrokMatthew Berman · Forward FutureMatthew Berman 在托管的 Grok 界面中尝试编程和推理提示词，结果有好有坏。
19:51EN → 简体中文Matthew Berman· 2024年3月15日Devin 的 2024 年发布：编程智能体演示与基准测试说法Matthew Berman, Scott Wu, Neal, Walden · Forward FutureMatthew Berman 结合此前的编程项目，审视 Cognition 的软件智能体演示、界面和 SWE-bench 对比。加载更多已显示 24 篇，共 201 篇